Tailoring the refractive index of ITO thin films by genetic algorithm optimization of the reactive DC-sputtering parameters
Notice bibliographique
Résumé
The variation of oxygen concentration in the Indium Tin Oxide (ITO) structure highly impacts its electrical and optical characteristics. In this work, we investigated the effect of oxygen partial flow (O<sub>2</sub>/O<sub>2</sub>+Ar) and deposition pressure (<i>p</i>) on the refractive index (<i>n</i>) of reactive sputtered ITO thin films. A statistical study with a Genetic Algorithm (GA) optimization was implemented to find optimal deposition conditions for obtaining particular refractive indices. Several samples of ITO thin films with refractive indices ranging from 1.69 - 2.1 were deposited by DC sputtering technique at various oxygen concentrations and deposition pressures, in order to develop the statistical database. A linear polynomial surface was locally fitted to the data of O<sub>2</sub>/O<sub>2</sub>+Ar, <i>p</i>, and <i>n</i> of deposited films. This surface was then used as the fitness function of the GA. By defining the desired n as the objective value of the GA, the optimized deposition conditions can be found. Two cases were experimentally demonstrated, with the GA determining the needed process parameters to deposit ITO with <i>n</i>=2.2 and <i>n</i>=1.6. Measured results were very close to desired values, with <i>n</i>=2.25 and <i>n</i>=1.62, demonstrating the effectiveness of this method for predicting needed reactive sputtering conditions to enable arbitrary refractive indices.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».