MétaCan
Menu
Retour à la cohorte
Enregistrement W3100443697 · doi:10.22215/etd/2020-14313

Design and development of group 13 precursors for improved vapour deposition of metal nitride thin films

2020· dissertation· en· W3100443697 sur OpenAlexaff
Sydney C. Buttera

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueSemiconductor materials and devices
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésAtomic layer depositionNitrideMaterials scienceChemical vapor depositionThin filmPassivationMicroelectronicsDeposition (geology)MetalNanotechnologyLayer (electronics)Chemical engineeringMetallurgy

Résumé

récupéré en direct d'OpenAlex

Atomic layer deposition (ALD) and chemical vapour deposition (CVD) are important techniques to deposit thin films for a variety of applications. Metal oxides and nitrides are used as passivation layers and as dielectrics, and due to the increasingly small sizes of microelectronic devices, their depositions must be precise, conformal, and of high purity. This work examines how precursor design can reduce impurities in deposited films. Several novel precursors have been designed, synthesized, and characterized, and used to deposit a variety of group 13 nitride thin films. Bidentate ligands such as guanidinates, NacNacs and azenides have been explored, as have simpler ligand systems such as amides and hydrides. The importance of precursor design is emphasized due to the fact that it enables the development of new, volatile, and thermally stable compounds and ALD processes that will deposit pure, high-quality films in a cost- and time-efficient manner.

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)0,000
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 enseignants0,236
Score d'incertitude au seuil0,661

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,020
Tête enseignante GPT0,230
Écart entre enseignants0,211 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSemiconductor materials and devicesTravaux en français237 207