MétaCan
Menu
Retour à la cohorte
Enregistrement W3118128124 · doi:10.1063/5.0029517

Mapping the growth of <i>p</i>-type GaN layer under Ga-rich and N-rich conditions at low to high temperatures by plasma-assisted molecular beam epitaxy

2020· article· en· W3118128124 sur OpenAlexaff
Sharif Sadaf, Haipeng Tang

Notice bibliographique

RevueApplied Physics Letters · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueGaN-based semiconductor devices and materials
Établissements canadiensNational Research Council CanadaInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésMolecular beam epitaxyDopingMaterials scienceAnalytical Chemistry (journal)Surface roughnessOptoelectronicsLayer (electronics)PlasmaAcceptorNitrideWide-bandgap semiconductorEpitaxyChemistryNanotechnologyCondensed matter physicsComposite material

Résumé

récupéré en direct d'OpenAlex

We present a detailed study of Mg acceptor, p-type doping of GaN grown by plasma-assisted molecular beam epitaxy in both Ga-rich and N-rich conditions at low (∼580 °C) to high growth temperatures (∼740 °C). A growth map is constructed using results from a broad range of growth conditions, which shows the dependence of Mg incorporation and surface roughness on the III/V ratio and growth temperatures. Detailed secondary ion mass spectroscopy and atomic force microscopy studies confirmed that N-rich conditions are favorable for significantly higher Mg-incorporation efficiency (∼80%), whereas the Ga-rich growth condition is preferable for achieving a smooth surface morphology (root mean square roughness: ∼1–2 nm) with poor Mg incorporation. The room temperature Hall measurement confirms that the hole concentration in the range of ∼7 × 1017 to 2 × 1019 cm−3 can be achieved in Ga-rich and N-rich conditions, respectively, at a fixed Mg flux depending on the growth conditions. Our detailed study provides a proper guideline for realizing an efficient Mg-doped GaN layer and is applicable, in principle, to different nitride-based electronic and photonic devices.

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
Bibliométrie0,0000,000
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 Opus0,013
Tête enseignante GPT0,213
Écart entre enseignants0,199 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physics LettersMême sujetGaN-based semiconductor devices and materialsTravaux en français237 207