MétaCan
Menu
Retour à la cohorte
Enregistrement W4399971694 · doi:10.1002/adom.202401018

Tuning the Optical Anisotropy in Gradient Porous Germanium on Si Substrate

2024· article· en· W4399971694 sur OpenAlexaff
Ying Zhu, Bowen Li, Jiacheng Hu, Guangrui Xia, Rui‐Tao Wen

Notice bibliographique

RevueAdvanced Optical Materials · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSilicon Nanostructures and Photoluminescence
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesDepartment of Education of Guangdong ProvinceScience, Technology and Innovation Commission of Shenzhen MunicipalityNational Natural Science Foundation of China
Mots-clésMaterials scienceGermaniumAnisotropySubstrate (aquarium)Optical anisotropyOptoelectronicsPorositySiliconNanotechnologyOpticsComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Porous semiconductors have garnered significant attention owing to their distinctive physical and chemical properties. In this study, optical anisotropy is presented in porous germanium (PGe) on a Si (001) substrate. Both n ‐ and p ‐type PGe, achieved through bipolar electrochemical etching, exhibit optical anisotropy along the Ge <001> direction, as determined by spectroscopic ellipsometry. Birefringence and depolarization factors are controllable by adjusting the etching parameters and doping concentration of the epitaxial Ge layer. The gradient porosity and pore distribution in PGe can be well captured by the optical models. The findings of optical anisotropy in PGe‐on‐Si hold promise for applications in optical elements or sensors for gas or biomolecules.

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 enseignants0,126
Score d'incertitude au seuil0,740

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,261
Écart entre enseignants0,249 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Optical MaterialsMême sujetSilicon Nanostructures and PhotoluminescenceTravaux en français237 207