MétaCan
Menu
Retour à la cohorte
Enregistrement W3002263029 · doi:10.3390/mi11020125

AlGaN Nanowires for Ultraviolet Light-Emitting: Recent Progress, Challenges, and Prospects

2020· review· en· W3002263029 sur OpenAlexafffund
Songrui Zhao, Jiaying Lu, Xue Yin

Notice bibliographique

RevueMicromachines · 2020
Typereview
Langueen
DomainePhysics and Astronomy
ThématiqueGaN-based semiconductor devices and materials
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésNanowireLight-emitting diodeMaterials scienceChemical vapor depositionMetalorganic vapour phase epitaxyMolecular beam epitaxyUltravioletOptoelectronicsNanotechnologyQuantum-confined Stark effectSubstrate (aquarium)DiodeGallium nitrideEpitaxyQuantum wellOpticsLaserLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

In this paper, we discuss the recent progress made in aluminum gallium nitride (AlGaN) nanowire ultraviolet (UV) light-emitting diodes (LEDs). The AlGaN nanowires used for such LED devices are mainly grown by molecular beam epitaxy (MBE) and metalorganic chemical vapor deposition (MOCVD); and various foreign substrates/templates have been investigated. Devices on Si so far exhibit the best performance, whereas devices on metal and graphene have also been investigated to mitigate various limitations of Si substrate, e.g., the UV light absorption. Moreover, patterned growth techniques have also been developed to grow AlGaN nanowire UV LED structures, in order to address issues with the spontaneously formed nanowires. Furthermore, to reduce the quantum confined Stark effect (QCSE), nonpolar AlGaN nanowire UV LEDs exploiting the nonpolar nanowire sidewalls have been demonstrated. With these recent developments, the prospects, together with the general challenges of AlGaN nanowire UV LEDs, are discussed in the end.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,036
Tête enseignante GPT0,303
Écart entre enseignants0,267 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations66
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMicromachinesMême sujetGaN-based semiconductor devices and materialsTravaux en français237 207