MétaCan
Menu
Retour à la cohorte
Enregistrement W2316209074 · doi:10.1109/nano.2014.6967968

Characterization of nano Schottky junctions for a new structure of nano-electronic devices

2014· article· en· W2316209074 sur OpenAlexaff
Moh’d Rezeq, Khouloud Eledlebi, Mohamed Ismail, Bo Cui, Ripon Kumar Dey

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueNanowire Synthesis and Applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSchottky diodeMaterials scienceRectificationSchottky barrierOptoelectronicsNano-SiliconQuantum tunnellingMetal–semiconductor junctionDiodeSemiconductorNanotechnologySemiconductor deviceVoltageElectrical engineeringLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

There is an increasing interest in reducing the size of semiconductor devices to sub 20 nm scale for technical requirements, like low power consumption and high switching speed. Electronic devices based on nano Schottky junctions have the potential to address these issues. This is because nano metal-semiconductor contacts are expected to have narrower barriers compared to conventional Schottky diodes. Nano Schottky junctions have been investigated experimentally using gold (Au) coated AFM tips in contact with different silicon (Si) substrates. For nano-tips with an apex radius around 7 nm, the current-voltage (I-V) curves on low n-dope Si substrates have showed a reversed rectification diode behavior compared to the high n-dope Si samples. We have used a new theoretical model to study the electric field enhancement at the nano metal-semiconductor interface, and thus the enhancement of the tunneling current. We have found out that the tunneling current at the reverse bias is dominant on low dope substrates and very small on high dope substrates. This accounts for the reversed I-V rectification behavior on low dope Si Schottky contacts. The calculated I-V curves showed good agreement with the experimental results for both types of Si samples.

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 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 enseignants0,212
Score d'incertitude au seuil0,266

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,005
Tête enseignante GPT0,196
Écart entre enseignants0,191 · 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.

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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNanowire Synthesis and ApplicationsTravaux en français237 207