MétaCan
Menu
Retour à la cohorte
Enregistrement W2102519104 · doi:10.1109/nanoel.2006.1609768

Enhanced Control of Morphology in Thin Film Nanostructure Arrays

2006· article· en· W2102519104 sur OpenAlexafffund
Douglas A. Gish, Mark A. Summers, Martin O. Jensen, Michael J. Brett

Notice bibliographique

Revue2006 IEEE Conference on Emerging Technologies - Nanoelectronics · 2006
Typearticle
Langueen
DomaineMaterials Science
ThématiqueOptical Coatings and Gratings
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceNanostructureHillockSubstrate (aquarium)Thin filmWaferTilt (camera)SiliconOpticsTetragonal crystal systemRotation (mathematics)OptoelectronicsNanotechnologyComposite materialCrystallographyCrystal structureChemistryComputer sciencePhysicsGeometry

Résumé

récupéré en direct d'OpenAlex

Glancing angle deposition (GLAD) was used to grow thin films of silicon and titanium dioxide slanted post nanostructures onto periodically patterned substrates. The patterned substrates consisted of tetragonal arrays of small hillocks with periodicities of 100, 200, and 300 nm. An advanced substrate rotation algorithm called PhiSweep was used during the deposition. The PhiSweep algorithm consists of rotating the substrate back and forth such that the arriving vapour flux direction alternates from either side of desired column tilt direction. This reduces the anisotropy of the shadowing conditions, which diminishes column fanning. The tilt angle of the columns is affected by the PhiSweep parameters, which is important in applications such as square spiral photonic crystals. This relation is derived and confirmed with tilt angle measurements of the slanted post films. The films grown using the PhiSweep method were compared with similar films grown using traditional GLAD. The PhiSweep technique produced films which conformed to the initial periodic pattern much better than the films grown with traditional GLAD, enabling the growth of nanostructure arrays with smaller periodicities.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,048
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,009
Tête enseignante GPT0,235
Écart entre enseignants0,226 · 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.

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

Citations3
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2006 IEEE Conference on Emerging Technologies - NanoelectronicsMême sujetOptical Coatings and GratingsTravaux en français237 207