MétaCan
Menu
Retour à la cohorte
Enregistrement W4376636743 · doi:10.1021/acs.cgd.2c01506

Selective Area Epitaxy of GaN Nanostructures: MBE Growth and Morphological Analysis

2023· article· en· W4376636743 sur OpenAlexafffund
Syed M. N. Hasan, Weicheng You, Arnob Ghosh, Sharif Md. Sadaf, Shamsul Arafin

Notice bibliographique

RevueCrystal Growth & Design · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueGaN-based semiconductor devices and materials
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Science Foundation
Mots-clésMolecular beam epitaxySapphireEpitaxyNanostructureNanowireMaterials scienceNanotechnologyOptoelectronicsTemplateGallium nitrideNitrideLayer (electronics)Optics

Résumé

récupéré en direct d'OpenAlex

This work presents the selective area epitaxy of GaN nanostructures grown on Ga-polar GaN/sapphire substrates by plasma-assisted molecular beam epitaxy. We demonstrate three types of nanostructures, including nanowires, nanofins, and nanorings on GaN-on-sapphire templates as well as investigate the ways of controlling their morphology, and orientation of sidewall plus top facets. A range of growth conditions including low to high Ga flux were employed during selective area epitaxy to develop these nanostructures with homogenous geometry and near vertical and smooth sidewalls. Using appropriate growth conditions and mask patterning orientations, nonpolar nanofin grids containing both/either m -/ a -planes with as low as 260 nm fin width and up to six interconnects are demonstrated with smooth sidewalls. Based on these experimental results, we developed a growth model that takes different sidewall facets and orientations into account. The model generalizes the experimental results well and explains the growth conditions for the nanostructures. This study serves to advance the understanding of selective area epitaxy for defining complex III-nitride nanostructures that constitute an active area of research and development in the fields of nanotechnology and nanoscience.

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 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 enseignants0,076
Score d'incertitude au seuil0,797

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,240
Écart entre enseignants0,219 · 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.

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

Citations17
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCrystal Growth & DesignMême sujetGaN-based semiconductor devices and materialsTravaux en français237 207