Electro-Optical Characterization of Amorphous Germanium-Tin (Ge1-XSnx) Microbolometer
Notice bibliographique
Résumé
<title>Abstract</title> The utilization of amorphous germanium-tin (Ge<sub>1 − x</sub>Sn<sub>x</sub>) semiconducting thin films as temperature sensing layers in microbolometers was recently presented and patented. The work in this paper started by extending the latest study to acquire better characteristics of the Sn concentrations % for microbolometer applications. In this work, Ge1-xSnx thin films with various Sn concentrations %, <italic>x</italic>, where 0.31 ≤ <italic>x</italic> ≤ 0.48 we sputter deposited. Elemental composition was evaluated using Energy Dispersive X-ray (EDX) spectroscopy. Surface morphology was evaluated using Atomic Force Microscopy (AFM) revealing average roughness values between ~ 0.2–0.8 nm. Sheet resistance versus temperature measurements was performed and analyzed revealing temperature coefficients of resistances, TCRs, ranging from − 3.11%/K to -2.52%/K for x ranging from 0.31 to 0.40. The Ge1-xSnx thin film was found to depart the semiconducting behavior at 0.40 < x ≤ 0.48. Empirical relationships are derived relating resistivity, TCR, and Sn concentration % for amorphous Ge1-xSnx thin films. One of the films with 31% Sn concentration (Ge<sub>0.69</sub>Sn<sub>0.31</sub>) was used to fabricate 10×10 µm2 microbolometer prototypes using electron-beam lithography and liftoff techniques and the microbolometer is fabricated on top of oxidized silicon substrates with no air gap between them. The noise behavior and the maximum detected signal of the fabricated microbolometer were measured. The signal-to-noise ratio, voltage responsivity, and noise equivalent power values of the prototypes were calculated. Finally, the expected performance of the microbolometer when fabricated in an air bridge is calculated.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».