Formation technology of flat surface with epitaxial growth on ion-implanted (100)-oriented Si surface of thin silicon-on-insulator
Notice bibliographique
Résumé
Abstract For the development of three-dimensional devices, selective epitaxial growth (SEG) technology has attracted much attention. SEG has been applied to fabricate many devices and it is expected to be used in future manufacturing processes. Therefore, its characteristics must be examined in detail to extend its application. For the fabrication of a three-dimensional device structure, the selectivity of epitaxial growth must be accurately controlled not only on Si and SiO 2 , but also on different impurity-type silicon surfaces. In this work, we investigated some characteristics of the SEG process, especially focusing on the surface roughness after SEG. Both vapor phase epitaxy (VPE) and solid phase epitaxy (SPE) were performed on ion-implanted silicon-on-insulator (SOI) thin wafers. It was often reported that epitaxial growth is very sensitive to the crystal condition of the substrate on which the films are deposited. However, we first revealed that the impurity type (p- or n-type) and its concentration at the substrate surface markedly changed the roughness and incubation times of the deposition. From our results, SPE with the oxide cap layer formation is effective for maintaining almost the same flatness as the original wafer surface. It is also effective to employ the low-temperature H 2 /Xe plasma treatment after the SEG to reduce roughness.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».