MétaCan
Menu
Retour à la cohorte
Enregistrement W2094597587 · doi:10.1116/1.3490402

Effects of nanoscale Ni, Al, and Ni–Al interlayers on nucleation and growth of diamond on Si

2010· article· en· W2094597587 sur OpenAlexafffund
Y. S. Li, Yongbing Tang, Q. Yang, Akira Hirose

Notice bibliographique

RevueJournal of Vacuum Science & Technology B Nanotechnology and Microelectronics Materials Processing Measurement and Phenomena · 2010
Typearticle
Langueen
DomaineMaterials Science
ThématiqueDiamond and Carbon-based Materials Research
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésNucleationDiamondMaterials scienceChemical vapor depositionSubstrate (aquarium)SiliconWaferCarbon fibersMaterial properties of diamondChemical engineeringCrystallographyAnalytical Chemistry (journal)NanotechnologyMetallurgyComposite materialChemistryComposite numberOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Diamond nucleation experiments on Si wafers, precoated with Ni, Al, and Ni–Al duplex intermediate layers, have been conducted in a microwave plasma enhanced chemical vapor deposition reactor. The diamond nucleation density is dependent on the thickness of the single Ni interlayer and also the ratio of Ni/Al. The diamond nucleation density increases with the Ni thickness up to approximately 100 nm. Above 100 nm, decrease in the nucleation density is observed. The nondiamond carbon concentration increases when the Ni thickness increases from 40 to 200 nm, along with a simultaneous increase of nondiamond carbon accumulation on the Si substrate surface. The diamond grown on Si with an Al interlayer is of high purity but of low nucleation density. For the Ni–Al duplex interlayer, increase of Al fraction enhances both the purity and nucleation density of diamond, and markedly reduces the formation of nondiamond carbon on the Si substrate surfaces.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,011
Score d'incertitude au seuil0,945

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,003
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 Opus0,007
Tête enseignante GPT0,233
Écart entre enseignants0,227 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Vacuum Science & Technology B Nanotechnology and Microelectronics Materials Processing Measurement and PhenomenaMême sujetDiamond and Carbon-based Materials ResearchTravaux en français237 207