MétaCan
Menu
Retour à la cohorte
Enregistrement W2944007095 · doi:10.3791/59415

Plasma-Assisted Molecular Beam Epitaxy Growth of Mg<sub>3</sub>N<sub>2</sub> and Zn<sub>3</sub>N<sub>2</sub> Thin Films

2019· article· en· W2944007095 sur OpenAlexafffund
Peng Wu, T. Tiedje

Notice bibliographique

RevueJournal of Visualized Experiments · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueSemiconductor materials and devices
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMolecular beam epitaxyAnalytical Chemistry (journal)Reflection high-energy electron diffractionMaterials scienceSubstrate (aquarium)Refractive indexElectron diffractionEpitaxyThin filmOpticsChemistryDiffractionOptoelectronicsNanotechnologyPhysics

Résumé

récupéré en direct d'OpenAlex

This article describes a procedure for growing Mg3N2 and Zn3N2 films by plasma-assisted molecular beam epitaxy (MBE). The films are grown on 100 oriented MgO substrates with N2 gas as the nitrogen source. The method for preparing the substrates and the MBE growth process are described. The orientation and crystalline order of the substrate and film surface are monitored by the reflection high energy electron diffraction (RHEED) before and during growth. The specular reflectivity of the sample surface is measured during growth with an Ar-ion laser with a wavelength of 488 nm. By fitting the time dependence of the reflectivity to a mathematical model, the refractive index, optical extinction coefficient, and growth rate of the film are determined. The metal fluxes are measured independently as a function of the effusion cell temperatures using a quartz crystal monitor. Typical growth rates are 0.028 nm/s at growth temperatures of 150 °C and 330 °C for Mg3N2 and Zn3N2 films, respectively.

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)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,036
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0070,007
Méta-épidémiologie (sens large)0,0100,004
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,001
Communication savante0,0030,005
Science ouverte0,0060,003
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 GPT0,294
Écart entre enseignants0,279 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetSemiconductor materials and devicesTravaux en français237 207