MétaCan
Menu
Retour à la cohorte
Enregistrement W2110072607 · doi:10.1149/2.016406jss

High Rate Chemical Mechanical Polishing of Boron-Doped Polycrystalline Silicon

2014· article· en· W2110072607 sur OpenAlexaff
Hamidreza Pirayesh, Ken Cadien

Notice bibliographique

RevueECS Journal of Solid State Science and Technology · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Surface Polishing Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceBoronChemical-mechanical planarizationPolishingDopingPolycrystalline siliconSiliconCrystalliteMetallurgyComposite materialOptoelectronics

Résumé

récupéré en direct d'OpenAlex

In this paper, the effect of lubrication on the polish rate and the surface quality of highly boron-doped polysilicon is presented. The mechanical effects of polishing were studied by altering the CMP process and lubrication regime. It was shown that increasing the polish velocity and slurry flow rate does not always increase the polish rate and that the lubrication behavior plays a dominant role in this process. Increasing the mechanical forces and altering the lubrication regime to boundary and dry lubrication were the key factors which resulted in a maximum polish rate. The maximum polish rate for the boron-doped polysilicon with 3.4 mΩ.cm −1 resistivity was ∼0.75μ/min and achieved in the dry lubrication regime. The coefficient of friction (COF) was also studied and agreed with the polish rate values where the dry lubrication polishing showed highest COF following the Stribeck curve. Finally the surface quality of the polished wafers were studied by AFM and it was shown that the lubrication behavior and friction force had minor effect on the surface roughness and all the wafers were perfectly smooth after polishing (R q ∼2Å).

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,006
Tête enseignante GPT0,242
Écart entre enseignants0,236 · 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'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

Citations8
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Journal of Solid State Science and TechnologyMême sujetAdvanced Surface Polishing TechniquesTravaux en français237 207