MétaCan
Menu
Retour à la cohorte
Enregistrement W2038087740 · doi:10.1109/jproc.2008.927355

Modeling of Nanoscale Devices

2008· article· en· W2038087740 sur OpenAlexaff
M. P. Anantram, Mark Lundstrom, Dmitri E. Nikonov

Notice bibliographique

RevueProceedings of the IEEE · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Semiconductor Devices and Circuit Design
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSemiclassical physicsNanowireQuantumNon-equilibrium thermodynamicsBallistic conductionPhysicsNanoscopic scaleStatistical physicsNanotechnologyRelaxation (psychology)Quantum mechanicsMaterials scienceElectron

Résumé

récupéré en direct d'OpenAlex

We aim to provide engineers with an introduction to the nonequilibrium Green's function (NEGF) approach, which is a powerful conceptual tool and a practical analysis method to treat nanoscale electronic devices with quantum mechanical and atomistic effects. We first review the basis for the traditional, semiclassical description of carriers that has served device engineers for more than 50 years. We then describe why this traditional approach loses validity at the nanoscale. Next, we describe semiclassical ballistic transport and the Landauer–Buttiker approach to phase-coherent quantum transport. Realistic devices include interactions that break quantum mechanical phase and also cause energy relaxation. As a result, transport in nanodevices is between diffusive and phase coherent. We introduce the NEGF approach, which can be used to model devices all the way from ballistic to diffusive limits. This is followed by a summary of equations that are used to model a large class of structures such as nanotransistors, carbon nanotubes, and nanowires. Applications of the NEGF method in the ballistic and scattering limits to silicon nanotransistors are discussed.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,026
Tête enseignante GPT0,215
Écart entre enseignants0,189 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations325
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the IEEEMême sujetAdvancements in Semiconductor Devices and Circuit DesignTravaux en français237 207