MétaCan
Menu
Retour à la cohorte
Enregistrement W4307189595 · doi:10.1021/acsanm.2c04117

Low-Temperature Selective Area Epitaxy of GaN Nanowires: Toward a Top-Surface Morphology Controllable, Fully Epitaxial Nanophotonic Platform

2022· article· en· W4307189595 sur OpenAlexafffund
Mohammad Fazel Vafadar, Songrui Zhao

Notice bibliographique

RevueACS Applied Nano Materials · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueGaN-based semiconductor devices and materials
Établissements canadiensMcGill University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésNanowireMaterials scienceNanophotonicsOptoelectronicsEpitaxyMolecular beam epitaxySubstrate (aquarium)Gallium nitridePhotonicsNanotechnologyWide-bandgap semiconductorLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

Gallium nitride (GaN) nanowires by selective area epitaxy (SAE) are an emerging platform for nanophotonic devices. Nonetheless, the use of a high substrate temperature in SAE limits the development of this technology. In this work, we report the SAE of GaN nanowires at low substrate temperatures by radio frequency plasma-assisted molecular beam epitaxy. Excellent selectivity is obtained at low substrate temperatures; the area without patterning is nearly free of any growth. Furthermore, a delicate control on the nanowire top-surface morphology is enabled by the low temperature epitaxy from an irregular shape to a hexagonal shape with semipolar top planes to a hexagonal shape with polar c-planes on top with controlled polar c-plane size. Such a low temperature SAE of GaN nanowires, together with the elegant control of the nanowire top-surface morphology, will enable a fully controllable, epitaxial nanophotonic platform, benefiting the development of a wide range of photonic devices such as light-emitting diodes, lasers, single photon sources, and multifunctional photonic devices.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,006
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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)0,0060,000

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 Opus0,009
Tête enseignante GPT0,215
Écart entre enseignants0,206 · 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

Citations15
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Nano MaterialsMême sujetGaN-based semiconductor devices and materialsTravaux en français237 207