MétaCan
Menu
Retour à la cohorte
Enregistrement W3160590069 · doi:10.1116/6.0001019

Precise control of time-varying effusion cell flux in molecular beam epitaxy

2021· article· en· W3160590069 sur OpenAlexafffund
Chris Deimert, Z. R. Wasilewski

Notice bibliographique

RevueJournal of Vacuum Science & Technology A Vacuum Surfaces and Films · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSemiconductor Quantum Structures and Devices
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence Fund
Mots-clésMolecular beam epitaxyFlux (metallurgy)ShutterBeam (structure)Simple (philosophy)Materials scienceOpticsPhysicsComputational physicsEpitaxyNanotechnology

Résumé

récupéré en direct d'OpenAlex

We outline a method to control time-varying effusion cell flux in molecular beam epitaxy. This can be used to grow 2D nanostructures with precise continuously graded alloys, and we explore the specific case of controlling an Al cell for the growth of continuously graded Al xGa 1 − xAs parabolic quantum wells. We develop a simple model of the Al cell’s thermal dynamics, including the effects of shutter transients. This model’s parameters can be empirically derived using a beam flux monitoring ion gauge. Though simple, this model can already be used to generate near-arbitrary time-varying fluxes (within the physical limits of the cell). For growths that require higher precision than the simple model can achieve, we introduce an iterative correction scheme to eliminate any lingering errors. Using this method, we control the composition in a 3 THz Al xGa 1 − xAs parabolic quantum well array to a root mean squared error of just ± 0.18 %Al. This accuracy is achieved at the standard growth rates necessary for thick structures (0.15–0.25 nm/s). The approach is quite generally applicable to other composition profiles or other situations where time-dependent flux control is necessary, and it could be extended to other effusion cells.

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)0,001
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 enseignants0,039
Score d'incertitude au seuil0,658

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,004
Tête enseignante GPT0,226
Écart entre enseignants0,222 · 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

Citations4
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Vacuum Science & Technology A Vacuum Surfaces and FilmsMême sujetSemiconductor Quantum Structures and DevicesTravaux en français237 207