MétaCan
Menu
Retour à la cohorte
Enregistrement W2046224959 · doi:10.1116/1.2198858

Modeling the suppression of boron diffusion in Si∕SiGe due to carbon incorporation

2006· article· en· W2046224959 sur OpenAlexaff
Samer Rizk, Yaser M. Haddara, A. Sibaja-Hernandez

Notice bibliographique

RevueJournal of Vacuum Science & Technology B Microelectronics and Nanometer Structures Processing Measurement and Phenomena · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueSilicon and Solar Cell Technologies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésBoronSiliconCarbon fibersMaterials scienceDiffusionOxidizing agentInert gasGermaniumInertAnalytical Chemistry (journal)OptoelectronicsThermodynamicsChemistryComposite materialNuclear physicsPhysics

Résumé

récupéré en direct d'OpenAlex

We used the process simulator FLOOPS-ISE to implement a consistent model describing the diffusion behaviors of boron and carbon in silicon and silicon germanium. In particular, our model successfully accounts for boron and carbon behaviors in a wide range of sample structures and experimental conditions over the complete temperature range of 750–1070°C in inert and oxidizing ambients, and in the presence of implant damage. The structures studied include cases where the boron and carbon profiles are separated as well as cases where profiles overlap, cases with carbon in silicon and in SiGe, and our own recent experiments where boron diffusion within a SiGeC region has been characterized. We model carbon diffusion by the kickout and Frank-Turnbull mechanisms, and interstitial capture by substitutional carbon, and demonstrate that a model must incorporate all three effects to satisfactorily explain published data. We also include standard models for boron-interstitial clusters and {311} defects.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil0,422

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,203
Écart entre enseignants0,193 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations9
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vacuum Science & Technology B Microelectronics and Nanometer Structures Processing Measurement and PhenomenaMême sujetSilicon and Solar Cell TechnologiesTravaux en français237 207