Fabrication of nitrogen-hyperdoped silicon by high-pressure gas immersion excimer laser doping
Notice bibliographique
Résumé
Abstract In recent years, research on hyperdoped semiconductors has accelerated, displaying dopant concentrations far exceeding solubility limits to surpass the limitations of conventionally doped materials. Nitrogen defects in silicon have been extensively investigated for their unique characteristics compared to other pnictogen dopants. However, previous practical investigations have encountered challenges in achieving high nitrogen defect concentrations due to the low solubility and diffusivity of nitrogen in silicon, and the necessary non-equilibrium techniques, such as ion implantation, resulting in crystal damage and amorphisation. In this study, we present a single-step technique called high-pressure gas immersion excimer laser doping (HP-GIELD) to manufacture nitrogen-hyperdoped silicon. Our approach offers ultrafast processing, scalability, high control, and reproducibility. Employing HP-GIELD, we achieved nitrogen concentrations exceeding 6 at% (3.01 × 10 21 at/cm 3 ) in intrinsic silicon. Notably, nitrogen concentration remained above the liquid solubility limit to ~1 µm in depth. HP-GIELD’s high-pressure environment effectively suppressed physical surface damage and the generation of silicon dangling bonds, while the well-known effects of pulsed laser annealing (PLA) preserved crystallinity. Additionally, we conducted a theoretical analysis of light-matter interactions and thermal effects governing nitrogen diffusion during HP-GIELD, which provided insights into the doping mechanism. Leveraging excimer lasers, our method is well-suited for integration into high-volume semiconductor manufacturing, particularly front-end-of-line processes.
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 | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».