MétaCan
Menu
Retour à la cohorte
Enregistrement W4390500747 · doi:10.1021/acs.nanolett.3c03369

Nanoscale Infrared Spectroscopic Characterization of Extended Defects in 4H-Silicon Carbide

2024· article· en· W4390500747 sur OpenAlexaff
Scott G. Criswell, Nadeemullah A. Mahadik, James C. Gallagher, Julian Barnett, Luke Kim, Morvarid Ghorbani, Bhaveshkumar Kamaliya, Nabil Bassim, Thomas Taubner, Joshua D. Caldwell

Notice bibliographique

RevueNano Letters · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueSilicon Carbide Semiconductor Technologies
Établissements canadiensMcMaster University
Organismes subventionnairesOffice of Naval ResearchDeutsche ForschungsgemeinschaftNational Aeronautics and Space AdministrationU.S. Department of DefenseDefense Technical Information CenterNaval Surface Warfare Center Crane Division
Mots-clésMaterials scienceFourier transform infrared spectroscopyCharacterization (materials science)SemiconductorSilicon carbideInfraredSiliconNanoscopic scaleStacking faultInfrared spectroscopyWide-bandgap semiconductorSpectroscopyOptoelectronicsNanotechnologyOpticsChemistryDislocationPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

Extended defects in wide-bandgap semiconductors have been widely investigated using techniques providing either spectroscopic or microscopic information. Nano-Fourier transform infrared spectroscopy (nano-FTIR) is a nondestructive characterization method combining FTIR with nanoscale spatial resolution (∼20 nm) and topographic information. Here, we demonstrate the capability of nano-FTIR for the characterization of extended defects in semiconductors by investigating an in-grown stacking fault (IGSF) present in a 4H-SiC epitaxial layer. We observe a local spectral shift of the mid-infrared near-field response, consistent with the identification of the defect stacking order as 3C-SiC (cubic) from comparative simulations based on the finite dipole model (FDM). This 3C-SiC IGSF contrasts with the more typical 8H-SiC IGSFs reported previously and is exemplary in showing that nanoscale spectroscopy with nano-FTIR can provide new insights into the properties of extended defects, the understanding of which is crucial for mitigating deleterious effects of such defects in alternative semiconductor materials and 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)0,000
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 enseignants0,018
Score d'incertitude au seuil0,762

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,007
Tête enseignante GPT0,212
Écart entre enseignants0,205 · 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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetSilicon Carbide Semiconductor TechnologiesTravaux en français237 207