MétaCan
Menu
Retour à la cohorte
Enregistrement W2312305522 · doi:10.3938/jkps.57.1248

Leakage Current Characteristics of the Multiple Metal Alloy Nanodot Memory

2010· article· en· W2312305522 sur OpenAlexaff
Gae Hun Lee, Jung Min Lee, Hyung Jun Yang, Ji Chel Bea, Tetsu Tanaka

Notice bibliographique

RevueJournal of the Korean Physical Society · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Memory and Neural Computing
Établissements canadiensHatch (Canada)
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceNanodotAlloyMetalCurrent (fluid)MetallurgyOptoelectronicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The leakage current characteristics of a multiple metal alloy nanodot device for a nonvolatile random access memory using FePt materials are investigated. Several annealing conditions are evaluated and optimized to suppress the leakage current and to better the memory characterisctics. This work confirmed that the annealing condition of 700 degrees C in a high vacuum ambience (under 1 x 10(-5) Pa) simultaneously provided good cell characteristics from a high dot density of over 1 x 10(13)/cm(2) and a low leakage current. In addition, a smaller nanodot diameter was found to give a lower leakage current for the multiple nanodot memory. Finally, for the proposed annealing condition, the quadruple FePt multiple nanodot memory with a 2-nm dot diameter provided good leakage current characteristics, showing a threshold voltage shift of under 5% at an initial retention stage of 1000 sec.

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 seuil0,005

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 savante0,0000,001
Science ouverte0,0010,000
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 Opus0,010
Tête enseignante GPT0,227
Écart entre enseignants0,217 · 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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Korean Physical SocietyMême sujetAdvanced Memory and Neural ComputingTravaux en français237 207