Enhancing minority carrier lifetime in Ge: Insights from HF and HCl cleaning procedures
Notice bibliographique
Résumé
Efficiently passivating germanium (Ge) surfaces is crucial to reduce the unwanted recombination current in high-performance devices. Chemical surface cleaning is critical to remove surface contaminants and Ge oxides, ensuring effective surface passivation after dielectric deposition. However, Ge oxides can rapidly regrow upon air exposure. To understand the surface evolution after wet cleaning, we present a comprehensive study comparing HF and HCl deoxidation steps on p-type Ge surfaces and monitor the surface as a function of air exposure time. Distinct oxide regrowth dynamics are observed: HF-treated samples exhibit swift regrowth of all Ge oxide states, whereas HCl-treated Ge surfaces exhibit a lower concentration of low degrees of oxidation and slower or no regrowth of high oxide states even after 110 min of air exposure. In addition, the presence of Ge–Cl bonds induces different oxidation dynamics compared to the Ge–OH bonds resulting from HF cleaning. This leads to varying surface electronic band structures, with HF-treated Ge exhibiting a strong positive band bending (+0.20 eV). Conversely, HCl-treated samples display a lower band curvature (+0.07 eV), mostly due to the presence of Ge–Cl bonds on the Ge surface. During air exposure, the increased GeOx coverage significantly reduces the band bending after HF, while a constant band bending is observed after HCl. Finally, these factors induce a reduction in the surface recombination velocity after wet etching. Combining both chemical and field-induced passivation, HF-treated Ge without rinsing exceeds 800 μs.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».