MétaCan
Menu
Retour à la cohorte
Enregistrement W4392709810 · doi:10.1116/6.0003479

Fabrication of slanted gratings by using glancing angle deposition

2024· article· en· W4392709810 sur OpenAlexafffund
Hongwen Wu, Aixi Pan, Chenxu Zhu, Bo Cui

Notice bibliographique

RevueJournal of Vacuum Science & Technology B Nanotechnology and Microelectronics Materials Processing Measurement and Phenomena · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueOptical Coatings and Gratings
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesOntario Ministry of Research and InnovationIndustry Canada
Mots-clésFabricationMaterials scienceOpticsDeposition (geology)OptoelectronicsPhysicsGeology

Résumé

récupéré en direct d'OpenAlex

Slanted gratings, commonly used for manipulating light in various applications, are typically fabricated using conventional top-down methods. However, these methods have limitations on material choice. This paper explores the use of glancing angle deposition (GLAD) to fabricate slanted gratings with various materials and slant angles on silicon (Si) and quartz (SiO2) substrates. The process involves the first step of creating a template using electron beam lithography, lift-off, and dry etching, and the second step of electron beam evaporation at a glancing angle on the prefabricated template. The template consists of grating structures with very shallow trenches. Different materials, such as chromium (Cr), copper (Cu), aluminum oxide (Al2O3), and titanium oxide (TiO2), were used in the GLAD process to create slanted grating structures on Si or SiO2 substrates, showcasing their versatility. Here, the formation of the slanted grating is due to the shadowing effect that leads to deposition onto the protruded grating lines but not into the trench. Using TiO2 as the source material, the GLAD technique can produce slanted gratings with various angles by adjusting the deposition angle. The optical characteristics of the slanted grating prepared using GLAD were verified through simulations with COMSOL software, confirming its excellent light guide performance.

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)0,003
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 enseignants0,022
Score d'incertitude au seuil0,643

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
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 Opus0,011
Tête enseignante GPT0,241
Écart entre enseignants0,230 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Vacuum Science & Technology B Nanotechnology and Microelectronics Materials Processing Measurement and PhenomenaMême sujetOptical Coatings and GratingsTravaux en français237 207