Ultra-highly doped Si1−xGex(001):B gas-source molecular-beam epitaxy: Boron surface segregation and its effect on film growth kinetics
Notice bibliographique
Résumé
Si 1−x Ge x (001) layers doped with B concentrations CB between 2×1016 and 2×1021 cm−3 were grown on Si(001)2×1 at Ts=500–700 °C by gas-source molecular-beam epitaxy (GS-MBE) from Si2H6, Ge2H6, and B2H6. Secondary-ion mass spectrometry measurements of modulation-doped structures demonstrate that B doping has no effect on the Ge incorporation probability. Steady-state B and Ge surface coverages (θB and θGe) were determined as a function of CB using in situ isotopically tagged temperature-programmed desorption. Results for Si0.82Ge0.18 layers grown at Ts=500 °C show that θGe remains constant at 0.63 ML while the bulk B concentration increases linearly up to 4.6×1020 cm−3, corresponding to saturation coverage at θB,sat=0.5 ML, with the incident precursor flux ratio ξ=JB2H6/(JSi2H6+JGe2H6). B is incorporated into substitutional electrically active sites over this entire concentration range. At higher B concentrations, CB increases faster than ξ and there is a large decrease in the activated fraction of incorporated B. The B segregation enthalpy during Si0.82Ge0.18(001) growth is −0.42 eV, compared to −0.53 and −0.64 eV during Si(001):B and Ge(001):B GS-MBE, respectively. Measured segregation ratios rB=θB/xB, where xB is the bulk B fraction, range from 15 to 500 with a temperature dependence which is consistent with equilibrium segregation. Film deposition rates RSiGe(CB) decrease by up to a factor of 2 with increasing CB⩾5×1019 cm−3, due primarily to a B-segregation-induced decrease in the dangling bond density. The above results were used to develop a robust model for predicting the steady-state H coverage θH, θB, θGe, and RSiGe as a function of ξ and Ts.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».