MétaCan
Menu
Retour à la cohorte
Enregistrement W4323045624 · doi:10.1002/smsc.202200094

Holes Outperform Electrons in Group IV Semiconductor Materials

2023· article· en· W4323045624 sur OpenAlexaff
M. Myronov, J. B. Kycia, P. Waldron, Weihong Jiang, Pedro Barrios, Alex Bogan, P. T. Coleridge, Sergei Studenikin

Notice bibliographique

RevueSmall Science · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueQuantum and electron transport phenomena
Établissements canadiensNational Research Council CanadaUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMonocrystalline siliconElectron mobilityGermaniumMaterials scienceWaferSiliconSemiconductorEpitaxyEngineering physicsEffective mass (spring–mass system)ElectronOptoelectronicsCondensed matter physicsAmorphous solidNanotechnologyPhysicsCrystallographyChemistryNuclear physics

Résumé

récupéré en direct d'OpenAlex

A record‐high mobility of holes, reaching 4.3 × 106 cm2 V−1 s−1 at 300 mK in an epitaxial strained germanium (s‐Ge) semiconductor, grown on a standard silicon wafer, is reported. This major breakthrough is achieved due to the development of state‐of‐the‐art epitaxial growth technology culminating in superior monocrystalline quality of the s‐Ge material platform with a very low density of background impurities and other imperfections. As a consequence, the hole mobility in s‐Ge appears to be ≈2 times higher than the highest electron mobility in strained silicon. In addition to the record mobility, this material platform reveals a unique combination of properties, which are a very large and tuneable effective g*‐factor (>18), a very low percolation density (5 × 109 cm−2) and a small effective mass (0.054 m 0). This long‐sought combination of parameters in one material system is important for the research and development of low‐temperature electronics with reduced Joule heating and for quantum‐electronics circuits based on spin qubits.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,017
Tête enseignante GPT0,240
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations43
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmall ScienceMême sujetQuantum and electron transport phenomenaTravaux en français237 207