MétaCan
Menu
Retour à la cohorte
Enregistrement W3102317729 · doi:10.1063/5.0022852

Lock-in carrierography non-destructive imaging of silicon wafers and silicon solar cells

2020· article· en· W3102317729 sur OpenAlexafffund
Peng Song, Feng Yang, Junyan Liu, Andreas Mandelis

Notice bibliographique

RevueJournal of Applied Physics · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueIntegrated Circuits and Semiconductor Failure Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesChina Postdoctoral Science FoundationNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésLock (firearm)SiliconWaferPhotovoltaic systemOptoelectronicsMaterials scienceHeterodyne (poetry)SemiconductorPhotoluminescenceComputer scienceSIGNAL (programming language)Engineering physicsNanotechnologyElectrical engineeringPhysicsEngineeringAcousticsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Carrier transport and electrical properties are relevant to the performance of semiconductor materials and photovoltaic devices. In recent years, various kinds of high-resolution luminescence-based methods have been proposed to image these properties. Lock-in carrierography (LIC), as a dynamic photoluminescence-based method, has the advantages of self-calibration, higher signal to noise ratio than dc or transient modalities, and high-frequency imaging ability. At the present stage of development, LIC has evolved into homodyne lock-in carrierography and heterodyne lock-in carrierography. In this Perspective, we discuss the principles and theoretical background of both LIC modalities and review experimental systems and methods. In addition, we also provide a brief overview of key LIC applications and future outlook.

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: Empirique
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)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,183
Écart entre enseignants0,178 · 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

Citations8
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysicsMême sujetIntegrated Circuits and Semiconductor Failure AnalysisTravaux en français237 207