Atom-by-atom simulations of chemical vapor deposition of nanoporous hydrogenated silicon nitride
Notice bibliographique
Résumé
Amorphous hydrogenated silicon nitride (SiNH) materials prepared by plasma-enhanced chemical vapor deposition (PECVD) are of high interest because of their suitability for diverse applications including optical coatings, gas/vapor permeation barriers, corrosion resistant, and protective coatings and numerous others. In addition, they are very suitable for structurally graded systems such as those with a graded refractive index. In parallel, modeling the PECVD process of SiN(H) of an a priori given SiN(H) ratio by atomistic calculations represents a challenge due to: (1) different (and far from constant) sticking coefficients of individual elements, and (2) expected formation of N2 (and H2) gas molecules. In the present work, we report molecular-dynamics simulations of particle-by-particle deposition process of SiNH films from SiHx and N radicals. We observe formation of a mixed zone (damaged layer) in the initial stages of film growth, and (under certain conditions) formation of nanopores in the film bulk. We investigate the effect of various PECVD process parameters (ion energy, composition of the SiHx+N particle flux, ion fraction in the particle flux, composition of the SiHx radicals, angle of incidence of the particle flux) on both (1) deposition characteristics, such as sticking coefficients, and (2) material characteristics, such as dimension of the nanopores formed. The results provide detailed insight into the complex relationships between these process parameters and the characteristics of the deposited SiNH materials and exhibit an excellent agreement with the experimentally observed results.
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 ».