Luminescence Imaging of Extended Defects in SiC via Hyperspectral Imaging
Notice bibliographique
Résumé
Over the past decade, improvements in silicon carbide growth and materials has led to the development of commercialized unipolar devices such as Schottky diodes and MOSFETs, however, much work remains to realizing the goal of wide-scale commercialization of both unipolar and bipolar devices such as pin diodes or IGBTs, for high applications requiring high powers, operating in elevated temperatures or radiation environments or for many fast switching applications. Despite the great strides that have been made in reducing extended and point defect densities during this period, such defects still remain and with the push to lower off-cut angle substrates are in many cases seeing increases in prevalence. Thus, spectroscopic and imaging techniques for locating and identifying these defects are in high demand. Luminescence imaging and spectroscopy have both been utilized heavily in such work, yet simultaneously obtaining corresponding spectroscopic and spatial information from such defects is problematic. Here we report on hyperspectral imaging of electroluminescence from SiC pin diodes, whereby a stack of luminescence images are collected over a wide spectral range (400-900 nm), thereby providing the ability to both image distinct features and identify their corresponding spectral properties. This process is also equally applicable to collecting either photo- or electroluminescence from other materials or devices emitting in either the UV-Vis or NIR spectral range, as well as to reflectance, transmission or other imaging techniques.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».