Bulk growth and surface characterization of epitaxy ready cadmium zinc telluride substrates for use in IR imaging applications
Notice bibliographique
Résumé
Cadmium Zinc Telluride (Cd<sub>1-x</sub>Zn<sub>x</sub>Te or CZT) is a compound semiconductor substrate material that has been used for infrared detector (IR) applications for many years. CZT is a perfect substrate for the epitaxial growth of Mercury Cadmium Telluride (Hg<sub>1-x</sub>Cd<sub>x</sub>Te or MCT) epitaxial layers and remains the material of choice for many high performance IR detectors and focal plane arrays that are used to detect across wide IR spectral bands. Critical to the fabrication of high performance MCT IR detectors is a high quality starting CZT substrate, this being a key determinant of epitaxial layer crystallinity, defectivity and ultimately device electro-optical performance. In this work we report on a new source of substrates suitable for IR detector applications, grown using the Travelling Heater Method (THM). This proven method of crystal growth has been used to manufacture high quality IR specification CZT substrates where industry requirements for IR transmission, dislocations, tellurium precipitates and copper impurity levels have been met. Results will be presented for the chemo-mechanical (CMP) polishing of CZT substrates using production tool sets that are identical to those that are used to produce epitaxy-ready surface finishes on related IR compound semiconductor materials such as GaSb and InSb. We will also discuss the requirements to scale CZT substrate manufacture and how with a new III-V like approach to both CZT crystal growth and substrate polishing, we can move towards a more standardized product and one that can ultimately deliver a standard round CZT substrate, as is the case for competing IR materials such as GaSb, InSb and InP.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».