MétaCan
Menu
Retour à la cohorte
Enregistrement W2513419535 · doi:10.4028/www.scientific.net/ssp.255.304

Atomic Resolution Quality Control for Fin Oxide Recess by Atomic Resolution Profiler

2016· article· en· W2513419535 sur OpenAlexaff
Tae‐Gon Kim, Heon-Yul Ryu, Karine Kenis, Ah Jin Jo, Sang Joon Cho, Sang Il Park, Sebastian Schmidt, Bernd Irmer

Notice bibliographique

RevueDiffusion and defect data, solid state data. Part B, Solid state phenomena/Solid state phenomena · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials Characterization Techniques
Établissements canadiensApplied Nanotools (Canada)
Organismes subventionnairesnon disponible
Mots-clésMetrologyCritical dimensionMaterials scienceFinRepeatabilityResolution (logic)Surface metrologyProcess (computing)OxideOpticsOptoelectronicsNanotechnologyComputer scienceSurface finishComposite materialPhysicsProfilometerMetallurgy

Résumé

récupéré en direct d'OpenAlex

A non-destructive metrology technique for critical dimension of Fin structure is important for better device characterization and development for improving yield. Due to extremely small dimension with high complexity in FinFET a new metrology solution needs to be evaluated. In-line atomic resolution profiler was performed to provide a suitable metrology for oxide recess metrology in Fin process. The technique could measure accurately the height and CD of Fin structures, which has the space with of 25 nm and the height of 60 nm. The uniformity of recess height could be measured, which could be interpreted by loading effect of etch process. High long term repeatability of the technique was achieved for process monitoring purpose.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,748
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,004
Science ouverte0,0020,002
Intégrité de la recherche0,0000,001
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 Opus0,033
Tête enseignante GPT0,308
Écart entre enseignants0,275 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiffusion and defect data, solid state data. Part B, Solid state phenomena/Solid state phenomenaMême sujetAdvanced Materials Characterization TechniquesTravaux en français237 207