Sub-10 μm-Thick Ge Thin Film Fabrication from Bulk-Ge Substrates via a Wet Etching Method
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Low-defect density Ge thin films are crucial for studying the impact of defect density on the performance limits of Ge-based optical devices (optical detectors, LEDs, and lasers). Ge thinning is also important for Ge-based multijunction solar cells. In this work, Ge wet etching using three acidic H 2 O 2 solutions (HF, HCl, and H 2 SO 4 ) was studied in terms of etching rate, surface morphology, and surface roughness. HCl–H 2 O 2 –H 2 O (1:1:5) was demonstrated to wet-etch 535 μm-thick bulk-Ge substrates to 4.1 μm with a corresponding RMS surface roughness of 10 nm, which was the thinnest Ge film from bulk-Ge via a wet etching method to the best of our knowledge. The good quality of pre-etched bulk-Ge was preserved, and the low threading dislocation density of 6000–7000 cm –2 was maintained after the etching process. This approach provides an inexpensive and convenient way for accurate Ge substrate thinning in applications such as multijunction solar cells and sub-10 μm-thick Ge thin film preparation, which enables future studies of low-defect density Ge-based devices such as photodetectors, LEDs, and lasers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».