Improving the accuracy of the bimetallic grayscale photomasks using a feedback controlled flat-top beam
Notice bibliographique
Résumé
Bimetallic grayscale photomasks contain two thin layers of metals (Bismuth/Indium or Tin/Indium), 15-300nm thick on transparent substrates. Laser exposure converts the films by thermal reaction into transparent alloy oxides. The Optical Density changes from ~3.0OD (unexposed) to <0.22OD (fully exposed), creating grayscale photomasks. With using a open loop direct-write raster-scan writing system with a CW Argon-ion laser, grayscale masks with 6-bit accuracy was achieved. To reduce mask nonuniformity, sensors added to the beam path before and after the mask turning the system to create a real-time OD and beam measurement feedback system. This feedback compensates for changes in film parameters: film thickness reducing the mask error to ±0.3 gray-levels, yielding to a potential 256 gray-level mask. This leaves nonuniformities due to the Gaussian shape still limits the accuracy. To remove these, a refractive field-mapping shaper was used to create a nearly flat-top power laser spot power distribution. The OD system also allows us to profile the grayscale levels in more detail after writing. A full 8-bit picture was written on a test mask with the feedback system showed significant improvement in the number of gray-levels. Some fluctuations were observed at the final pattern due to spaces between lines and nonuniformity of table speed. Some 3D test structures are created on the photoresist with the masks written with the feedback system to demonstrate the accuracy and grayscale abilities of the bimetallic thin-films
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 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 ».