MétaCan
Menu
Retour à la cohorte
Enregistrement W4252513580 · doi:10.32920/14639313.v1

Micro/Nano Scale Amorphization of Silicon by Femtosecond Laser Irradiation

2021· preprint· en· W4252513580 sur OpenAlexaff
Amirkianoosh Kiani, Krishnan Venkatakrishnan, Bo Tan

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueLaser Material Processing Techniques
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceFemtosecondSiliconLaserOptoelectronicsAmorphous siliconEtching (microfabrication)Amorphous solidIrradiationRaman spectroscopyScanning electron microscopeOpticsLithographyLayer (electronics)NanotechnologyCrystalline siliconChemistryCrystallographyComposite material

Résumé

récupéré en direct d'OpenAlex

<p>This research aimed to investigate the feasibility of using direct amorphization of silicon induced by femtosecond laser irradiation for maskless lithography. A thin layer of amorphous silicon of predetermined pattern was first generated by irradiation by a femtosecond laser of Mega Hertz pulse frequency. The following KOH etching revealed that the amorphous silicon layer acted as an etch stop. Line width less than 1/67 the focused spot size was demonstrated and hence the proposed maskless lithography process has the potential of producing submicron and nanoscale features by employing a laser beam of shorter wavelength and a high NA focusing lens. Scanning Electron Microscope (SEM), a Micro-Raman and Energy Dispersive X-ray (EDX) spectroscopy analyses were used to evaluate the quality of amorphous layer and the etching process. </p>

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,014
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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)0,0010,000

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 GPT0,201
Écart entre enseignants0,195 · 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.

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'admission1
Résumé présentoui

Explorer davantage

Même sujetLaser Material Processing TechniquesTravaux en français237 207