MétaCan
Menu
Retour à la cohorte
Enregistrement W2052376573 · doi:10.1063/1.2199457

Si (111) substrates as highly effective pseudomasks for selective growth of GaN material and devices by ammonia-molecular-beam epitaxy

2006· article· en· W2052376573 sur OpenAlexaff
H. Tang, S. Haffouz, J. A. Bardwell

Notice bibliographique

RevueApplied Physics Letters · 2006
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueGaN-based semiconductor devices and materials
Établissements canadiensInstitute for Microstructural Sciences
Organismes subventionnairesnon disponible
Mots-clésMolecular beam epitaxyMaterials scienceOptoelectronicsSiliconNucleationEpitaxySubstrate (aquarium)SapphireFabricationNanotechnologyLayer (electronics)Wide-bandgap semiconductorChemistryOpticsLaser

Résumé

récupéré en direct d'OpenAlex

The unique property of Si (111) as effective pseudomask substrate for selective growth of GaN by ammonia-molecular-beam epitaxy is reported. The critical nucleation temperature of GaN on Si (111) surface is found to be as low as 700°C, much lower than that on sapphire or AlN surface. As a result, selective growth of GaN is possible by ammonia-molecular-beam epitaxy on Si (111) substrates using a patterned AlN buffer layer. The wide range of growth temperatures (700–900°C) available for selective growth is a critical advantage for control and optimization of the facet characteristics of the selectively grown GaN patterns as required for potential fabrication of site-specific GaN or InGaN quantum dots. The demonstrated ease of selective growth of GaN on silicon has also implications in potential on-chip integration of GaN devices with silicon devices.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,018
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,003
Tête enseignante GPT0,202
Écart entre enseignants0,198 · 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.

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

Citations21
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physics LettersMême sujetGaN-based semiconductor devices and materialsTravaux en français237 207