Optimizing ITO for incorporation into multilayer thin film stacks for visible and NIR applications
Notice bibliographique
Résumé
Indium Tin Oxide, ITO, is the industry standard for transparent conductive coatings. As such, the common metrics for characterizing ITO performance are its transmission and conductivity/resistivity (or sheet resistance). In spite of its recurrent use in a broad range of technological applications, the performance of ITO itself is highly variable, depending on the method of deposition and chamber conditions, and a single well defined set of properties does not exist. This poses particular challenges for the incorporation of ITO in complex optical multilayer stacks while trying to maintain electronic performance. Complicating matters further, ITO suffers increased absorption losses in the NIR – making the ability to incorporate ITO into anti-reflective stacks crucial to optimizing overall optical performance when ITO is used in real world applications. In this work, we discuss the use of ITO in multilayer thin film stacks for applications from the visible to the NIR. In the NIR, we discuss methods to analyze and fine tune the film properties to account for, and minimize, losses due to absorption and to optimize the overall transmission of the multilayer stacks. The ability to obtain high transmission while maintaining good electrical properties, specifically low resistivity, is demonstrated. Trade-offs between transmission and conductivity with variation of process parameters are discussed in light of optimizing the performance of the final optical stack and not just with consideration to the ITO film itself.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».