MétaCan
Menu
Retour à la cohorte
Enregistrement W3004307392 · doi:10.1103/physrevapplied.13.044062

Atomic-Scale Insights into Semiconductor Heterostructures: From Experimental Three-Dimensional Analysis of the Interface to a Generalized Theory of Interfacial Roughness Scattering

2020· article· en· W3004307392 sur OpenAlexafffund
Thomas Grange, Samik Mukherjee, Giovanni Capellini, Michele Montanari, Luca Persichetti, L. Di Gaspare, Stefan Birner, Anis Attiaoui, Oussama Moutanabbir, Michele Virgilio, M. De Seta

Notice bibliographique

RevuePhysical Review Applied · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials Characterization Techniques
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesInstitute of Development and Economic AlternativesNatural Sciences and Engineering Research Council of CanadaHorizon 2020 Framework ProgrammeCanada Research Chairs
Mots-clésHeterojunctionMiniaturizationSemiconductorScatteringCascadeMaterials scienceSurface finishOptoelectronicsSurface roughnessAtomic unitsQuantumScale (ratio)LaserQuantum dotOpticsPhysicsNanotechnologyQuantum mechanicsChemistry

Résumé

récupéré en direct d'OpenAlex

Relentless miniaturization has driven progress in semiconductor technology, but now, at the atomic scale, predictive descriptions of heterointerfaces (and even basic data on them) are still conspicuously absent. The authors combine atom-probe tomography with advanced modeling to study the roughness of real interfaces, and their influence on charge-carrier scattering in two-dimensional quantum confined systems. This yields a state-of-the art platform to simulate the optical gain in $e.g.$ a Si-Ge quantum cascade laser, allowing precise control of optoelectronic performance by elucidating key physical properties of heterointerfaces and their impact on device physics.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,015
Tête enseignante GPT0,279
Écart entre enseignants0,265 · 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'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

Citations50
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Review AppliedMême sujetAdvanced Materials Characterization TechniquesTravaux en français237 207