MétaCan
Menu
Retour à la cohorte
Enregistrement W2471460436 · doi:10.31399/asm.cp.istfa2013p0118

Implications of Helium and Neon Ion Beam Chemistry for Advanced Circuit Editing

2013· article· en· W2471460436 sur OpenAlexaff
Huimeng Wu, David C. Ferranti, Lewis Stern, Deying Xia, M. W. Phaneuf

Notice bibliographique

RevueProceedings - International Symposium for Testing and Failure Analysis · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueIntegrated Circuits and Semiconductor Failure Analysis
Établissements canadiensFibics (Canada)
Organismes subventionnairesnon disponible
Mots-clésNeonSputteringEtching (microfabrication)Ion beamHeliumFocused ion beamOptoelectronicsDeposition (geology)Materials scienceIon sourceIonDielectricNanotechnologyEngineering physicsChemistryAtomic physicsThin filmArgonPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Gallium focused ion beams (Ga-FIB) have been used historically in the semiconductor industry for failure analysis, as well as circuit edit. However, in spite of the best of these efforts, as integrated circuit dimensions continue to shrink, Ga-FIB induced processes are being driven to their physical limits. The main purpose of this paper is to report the helium and neon ion beams' induced chemistry, including metal deposition, dielectric deposition, and chemically enhanced etching. Two simple examples are shown as proofs of concept demonstrating gas field ion source (GFIS) development for circuit edit applications. The paper summarizes the general utility of helium and neon ion beams for metal deposition, dielectric deposition, and sputtering and etching processes, and discusses some of the technical challenges associated with current GFIS technology. Using GFIS ion beams, it has been observed that the top and buried metal lines can be cut precisely and then reconnected.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,212
Écart entre enseignants0,202 · 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

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings - International Symposium for Testing and Failure AnalysisMême sujetIntegrated Circuits and Semiconductor Failure AnalysisTravaux en français237 207