MétaCan
Menu
Retour à la cohorte
Enregistrement W2937095738 · doi:10.1116/1.5088962

Hybrid epitaxy technique for the growth of high-quality AlInAs and GaInAs layers on InP substrates

2019· article· en· W2937095738 sur OpenAlexafffund
Thierno Mamoudou Diallo, Alex Brice Poungoué Mbeunmi, Mohamed El-Gahouchi, Mourad Jellite, Roxana Arvinte, Mohammad Reza Aziziyan, Richard Arès, S. Fafard, Abderraouf Boucherif

Notice bibliographique

RevueJournal of Vacuum Science & Technology B Nanotechnology and Microelectronics Materials Processing Measurement and Phenomena · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSemiconductor Quantum Structures and Devices
Établissements canadiensInstitut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésTrimethylindiumTriethylgalliumEpitaxyMaterials scienceMetalorganic vapour phase epitaxyChemical vapor depositionChemical beam epitaxyOptoelectronicsIndiumDopingFull width at half maximumWaferAnalytical Chemistry (journal)Indium phosphideArsineMolecular beam epitaxyGallium arsenideCatalysisNanotechnologyChemistryLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

The quality and properties of epitaxial films are strongly determined by the reactor type and the precursor source phase. Such parameters can impose limitations in terms of background doping, interface sharpness, clustering, phase separation, and homogeneity. The authors have implemented a hybrid epitaxy technique that employs, simultaneously, vapor and solid sources as group III precursors. The system combines the high throughput and the versatility of gas sources as well as the high purity of solid sources. Using this technique, the authors successfully demonstrated epitaxial growth of Al0.48In0.52As and Ga0.47In0.53As layers on Fe-doped semi-insulating InP (001) substrates with interesting properties, compared with the epilayers grown by more standard techniques (chemical beam epitaxy, metal-organic chemical vapor deposition, and MBE). For AlInAs growth, trimethylindium and solid aluminum were used as In and Al precursors, respectively. In the case of GaInAs, triethylgallium and solid indium were used, respectively, as Ga and In precursors. Thermally cracked arsine (AsH3) was used as an As (group V) precursor for both alloys. The AlInAs and GaInAs epilayers grown at a temperature of 500 °C exhibited featureless surfaces with RMS roughness of 0.2 and 1 nm, respectively. Lattice mismatch is of 134 ppm, for AlInAs, and −96 ppm, for GaInAs, which were determined from high-resolution x-ray diffraction (HR-XRD) patterns and showed a large number of Pendellösung fringes, indicating a high crystalline quality. An FWHM of 18.5 arcs was obtained for GaInAs epilayers, while HR-XRD mapping of a full 2-in. wafer confirmed a viable lattice mismatch homogeneity (standard deviation of 0.026%) for as-grown layers. The authors observed room-temperature background doping values as low as 3 × 1015 cm−3, for AlInAs, and 1 × 1015 cm−3, for GaInAs. Analysis of the PL spectra at 20 K showed an FWHM of 8 meV, for AlInAs, and 9.7 meV, for GaInAs, demonstrating a very good optical quality of the epilayers. In addition, they have investigated the effects of the growth temperature and of the arsine pressure on epilayer properties. They also discuss the optimum conditions for the growth of high-quality Al0.48In0.52As and Ga0.47In0.53As layers on InP (001) substrates using this hybrid epitaxy technique.

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)0,002
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 enseignants0,078
Score d'incertitude au seuil0,643

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,256
Écart entre enseignants0,241 · 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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Vacuum Science & Technology B Nanotechnology and Microelectronics Materials Processing Measurement and PhenomenaMême sujetSemiconductor Quantum Structures and DevicesTravaux en français237 207