MétaCan
Menu
Retour à la cohorte
Enregistrement W2581360948 · doi:10.31399/asm.cp.istfa2016p0480

Elemental Characterization of Sub 20 nm Structures in Devices Using Low Energy SEM-EDS

2016· article· en· W2581360948 sur OpenAlexaff
James Sagar, James Holland, Simon Burgess, Connor W. McCarthy, Xiaobing Li

Notice bibliographique

RevueProceedings - International Symposium for Testing and Failure Analysis · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectron and X-Ray Spectroscopy Techniques
Établissements canadiensOxford Instruments (Canada)
Organismes subventionnairesnon disponible
Mots-clésDetectorScanning electron microscopeCharacterization (materials science)Materials scienceResolution (logic)Scanning transmission electron microscopyElectronicsEnergy (signal processing)OptoelectronicsTransmission electron microscopySemiconductorX-ray detectorElemental analysisNanotechnologyOpticsComputer scienceElectrical engineeringPhysicsEngineeringChemistryComposite materialArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Here we investigate a new energy dispersive X-ray detector, which for the first time is optimized to work at the conditions typically used for high resolution imaging in a scanning electron microscope (SEM). To achieve this, significant developments have been made with regard to detector geometry and electronics. Using this new detector we are able to analyze structures in bulk semiconductor devices as well as thin sections at sub 20nm length scales in SEM. Here we outline the conditions required to carry out this analysis. Based on these results we propose workflows to accelerate failure analysis by obtaining the analysis result directly in the SEM without the need for analysis using transmission electron microscopy (TEM).

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 enseignants0,002
Score d'incertitude au seuil0,006

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)0,0020,000

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 Opus0,009
Tête enseignante GPT0,256
Écart entre enseignants0,247 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings - International Symposium for Testing and Failure AnalysisMême sujetElectron and X-Ray Spectroscopy TechniquesTravaux en français237 207