P3I: a simulation code for Plasma Immersion Ion Implantation (PIII) dose prediction
Notice bibliographique
Résumé
Plasma Immersion Ion Implantation (PIII) is a versatile material processing technique [1] , [2] with many applications in semiconductor doping and micro- and nano- fabrication [3] , as well as the surface modification of metals for improved resistance against wear and corrosion. In PIII a solid target is immersed in plasma, and negative polarity high voltage (typically 1-20 kV) pulses are applied to the target. During a negative-polarity PIII pulse electrons are repelled from the region near the target, resulting in a positive ion sheath surrounding the target; ions traversing the sheath are implanted into the solid target surface. PIII can provide uniform ion implantation with high ion fluences across broad area targets. The targets need not be planar as the plasma is conformal to the immersed target. For precision PIII processing it is important to accurately predict the implanted ion concentrations. To this end, the P2I code was developed by Bradley, Steenkamp, and Risch [4] , [5] to accurately predict PIII sheath dynamics, ion implantation currents, and total delivered ion fluences. The P2I code is an efficient implementation of the numerical solution of Lieberman's dynamic sheath model [2] with assumptions of quasi-static ion motion and sheath position, collision less ion flow, inertia less electrons and an infinite plasma ion reservoir.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».