Unraveling the Heterointegration of 3D Semiconductors on Graphene by Anchor Point Nucleation
Notice bibliographique
Résumé
The heterointegration of graphene with semiconductor materials and the development of graphene-based hybrid functional devices are heavily bound to the control of surface energy. Although remote epitaxy offers one of the most appealing techniques for implementing 3D/2D heterostructures, it is only suitable for polar materials and is hugely dependent on the graphene interface quality. Here, the growth of defect-free single-crystalline germanium (Ge) layers on a graphene-coated Ge substrate is demonstrated by introducing a new approach named anchor point nucleation (APN). This powerful approach based on graphene surface engineering enables the growth of semiconductors on any type of substrate covered by graphene. Through plasma treatment, defects such as dangling bonds and nanoholes, which act as preferential nucleation sites, are introduced in the graphene layer. These experimental data unravel the nature of those defects, their role in nucleation, and the mechanisms governing this technique. Additionally, high-resolution transmission microscopy combined with geometrical phase analysis established that the as-grown layers are perfectly single-crystalline, stress-free, and oriented by the substrate underneath the engineered graphene layer. These findings provide new insights into graphene engineering by plasma and open up a universal pathway for the heterointegration of high-quality 3D semiconductors on graphene for disruptive hybrid 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».