MétaCan
Menu
Retour à la cohorte
Enregistrement W2099800060 · doi:10.1149/2.0261501jss

Trends in Copper Precursor Development for CVD and ALD Applications

2014· article· en· W2099800060 sur OpenAlexaff
Peter G. Gordon, Agnieszka Kurek, Seán T. Barry

Notice bibliographique

RevueECS Journal of Solid State Science and Technology · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueSemiconductor materials and devices
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésCopperAtomic layer depositionMaterials scienceMicroelectronicsChemical vapor depositionDeposition (geology)NanotechnologyThin filmChemical engineeringMetallurgyEngineering

Résumé

récupéré en direct d'OpenAlex

The continued dominance of copper in microelectronic manufacturing is due in part to the techniques that have kept pace with the relentless trend towards smaller feature sizes. Pure and defect-free copper features can be created at these and smaller scales using gas phase deposition methods such as chemical vapor deposition (CVD) and atomic layer deposition (ALD). Here we review the deposition processes and in particular surface chemistry for depositing copper metal by CVD and ALD. A summary of known processes is given, and new trends in copper film deposition research are discussed. As well, process parameters and properties of copper films deposited from precursors using key ligand systems such as aminoalkoxides, amidinates, guanidinates, betadiketonates and betaketoiminates are presented. Surface chemistry is examined from the point of view of the similarities of CVD and ALD, considering precursors that can be used in both types of processes. This serves to highlight trends in decomposition mechanisms and illuminates some interesting similarities in process temperature and other parameters.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,011
Tête enseignante GPT0,259
Écart entre enseignants0,248 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations67
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Journal of Solid State Science and TechnologyMême sujetSemiconductor materials and devicesTravaux en français237 207