Thin film uncooled microbolometers based on plasma deposited materials
Notice bibliographique
Résumé
We make a summary of our research and development efforts made about microbolometers (MBs) based on plasma-enhanced chemical vapor deposition (PECVD) materials, like noncrystalline semiconductors that provide high temperature coefficient of resistivity values, in conjunction with SiO x and SiN x dielectrics used for thermoisolation, which, together with micromachining, are paving new ways for fabrication of MBs, making them promising for 2D imagers in both infrared and tera-Hertz regions. We studied a-Si:H(B), a-Ge:H, a-GeSi:H, and polymorphous p-Ge:H, p-SiGe:H as thermosensing materials (TSMs) for MBs in “bridge” configuration with “planar” and “sandwich” electrodes. This allows placing the read-out circuitry under the bridge, improving use of pixel area. PECVD SiN x films were used as both a support layer and as a coating for improving the response for λ = 8–12 μm. 2D modeling revealed both linear and super linear response to IR intensity. Voltage responsivity R U = (1.2–7) × 10 5 V/W is observed in both “planar” and “sandwich” MBs. The latter shows current responsivity R I = 0.3–14 A/W higher by about three orders of magnitude than the former. A key issue for any detector is the detectivity. Different TSMs show different noise characteristics. Noise in “sandwich” MBs is several orders of magnitude higher than that in “planar” structures. The best parameters observed with TSM Ge-Si:H are: R U = 7.2 × 10 5 V/W, R I = 14 A/W voltage and current detectivities [Formula: see text] = 8 × 10 9 cm Hz 1/2 W −1 and [Formula: see text] = 4 × 10 9 cm Hz 1/2 W −1 . Junction structures on top of the “bridge” are also discussed. Finally we describe some reported applications of MBs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».