MétaCan
Menu
Retour à la cohorte
Enregistrement W2143734697 · doi:10.1109/asmc.2010.5551462

Recent innovations in DRAM manufacturing

2010· article· en· W2143734697 sur OpenAlexaff
Dick James

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSemiconductor materials and devices
Établissements canadiensChipworks (Canada)
Organismes subventionnairesnon disponible
Mots-clésDramNode (physics)CapacitorProduct (mathematics)ElectronicsSemiconductor industryDynamic random-access memoryComputer scienceEngineeringElectrical engineeringOperating systemManufacturing engineeringComputer hardwareMathematicsSemiconductor memory

Résumé

récupéré en direct d'OpenAlex

Recent generations of Dynamic Random Access Memory (DRAM) have seen remarkable changes in both processes and the materials used. In the past five years the industry has gone from the 9x-nm node through the 7x, 6x, and 5x nodes to the 4x node chips starting to come on the market. In retrospect it is little short of amazing that the competing companies have crammed the required ~25 fF into an ever decreasing amount of floorspace; the cell size of the latest 4x-nm DRAM is ~0.0137 μm2- or maybe we should say ~13,700 nm2. This has been achieved by the adoption of dual-layer capacitors, high-k dielectrics, and raised source/drains, among other techniques. Chipworks, as a supplier of competitive intelligence to the semiconductor and electronics industries, monitors the evolution of chip technologies as they come into commercial production. Chipworks has obtained parts from the leading edge manufacturers, and performed structural and compositional analyses to examine the features and manufacturing processes of the devices. This paper illustrates some of the different structures of DRAM cells seen in the last few years from some of the leading companies in the sector, ranging from the 9x-nm node to the latest 4x-nm product.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,019
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0020,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0190,011

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 Opus0,012
Tête enseignante GPT0,223
Écart entre enseignants0,211 · 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

Citations24
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSemiconductor materials and devicesTravaux en français237 207