MétaCan
Menu
Retour à la cohorte
Enregistrement W2803468448 · doi:10.1039/c8nr02451k

Atomic-scale etching of hexagonal boron nitride for device integration based on two-dimensional materials

2018· article· en· W2803468448 sur OpenAlexaff
Hamin Park, Gwang Hyuk Shin, Khang June Lee, Sung‐Yool Choi

Notice bibliographique

RevueNanoscale · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesMinistry of Science, ICT and Future Planning
Mots-clésEtching (microfabrication)Materials scienceHexagonal boron nitrideAtomic unitsBoron nitrideHexagonal crystal systemDry etchingNanotechnologyScale (ratio)NitrideBoronOptoelectronicsCrystallographyChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Hexagonal boron nitride (h-BN) is considered an ideal template for electronics based on two-dimensional (2D) materials, owing to its unique properties as a dielectric film. Most studies involving h-BN and its application to electronics have focused on its synthesis using techniques such as chemical vapor deposition, the electrical analysis of its surface state, and the evaluation of its performance. Meanwhile, processing techniques including etching methods have not been widely studied despite their necessity for device fabrication processes. In this study, we propose the atomic-scale etching of h-BN for integration into devices based on 2D materials, using Ar plasma at room temperature. A controllable etching rate, less than 1 nm min-1, was achieved and the low reactivity of the Ar plasma enabled the atomic-scale etching of h-BN down to a monolayer in this top-down approach. Based on the h-BN etching technique for achieving electrical contact with the underlying molybdenum disulfide (MoS2) layer of an h-BN/MoS2 heterostructure, a top-gate MoS2 field-effect transistor (FET) with h-BN gate dielectric was fabricated and characterized by high electrical performance based on the on/off current ratio and carrier mobility.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,008
Score d'incertitude au seuil0,580

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,024
Tête enseignante GPT0,316
Écart entre enseignants0,293 · 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 tête enseignante, 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

Citations31
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetGraphene research and applicationsTravaux en français237 207