Surface Chemistry and Development of Group 11 and 13 Thin Film Vapour Deposition Precursors
Notice bibliographique
Résumé
Techniques for depositing thin films of metals or ceramics, such as atomic layer deposition (ALD) and chemical vapour deposition (CVD), are well established and used in a wide variety of industries and applications, such as for dielectric layers, passivation coatings, surface functionalization, conductive layers, catalysis, anti-reflection coatings, optical property modification, etc. These techniques make use of a series of vapourous precursor/solid substrate interactions, typically at elevated temperatures and low pressures, to ultimately deposit a thin, conformal, uniform film of desired material. The nature of this vapour/solid surface chemistry is paramount to determining the what material is deposited as well as its properties. Determining the specific chemistry occurring at the vapour/solid interface is not a trivial task and typically requires expensive and potentially complicated characterization techniques. Generally, ALD and CVD processes of novel materials typically suffer from purity and uniformity issues that prevents them from being widely adopted by industry. By experimentally determining the surface chemistry of these processes it is possible to logically assess and modify existing processes to address these issues. This work examined the surface chemistry of several group 11 and group 13 vapour deposition precursors using a variety of characterization techniques, primarily solid-state nuclear magnetic resonance spectroscopy (SS-NMR). In group 11, several novel Cu ALD precursors were studied, including a copper(I)-tert-butyl-iminopyrrolidinate and several copper(I)-hexamethyldisilazide-N -heterocyclic carbene complexes, as well as a novel Au ALD precursor; a Me 3 AuPMe 3 complex. By using ex situ characterization techniques such as SS-NMR ( 13 C and 29 Si), high-resolution NMR (HR-NMR) ( 1 H and 13
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».