Unraveling the Influence of Surface Contaminants and Cleaning Protocols on Charge States of SiO<sub>2</sub> Dielectrics and the Performance of Organic Field-Effect Transistors
Notice bibliographique
Résumé
Organic field-effect transistors (OFETs) fabricated on SiO 2 /Si wafers represent a crucial avenue for the development of organic-on-silicon technology and serve as a platform for materials science to characterize carrier mobility. The surface cleaning treatment of wafers is critical because OFETs are highly sensitive to surface states. In this study, the effects of intrinsic organic contaminants on wafers, as well as the functions of commonly used cleaning solvents and treatments on the surface states, electronic structure of SiO 2, and the performance of OFETs were systematically investigated. The intrinsic organic contaminants on the wafer surface were identified as being in positively charged states, which led to high operational voltages of OFETs and degraded bias-stress stability. However, their impact on field-effect mobility was found to be minimal following any surface cleaning process. The conventional ultrasonic cleaning using acetone and isopropanol only partially removed contaminants, which provides limited improvement in reducing operational voltages and enhancing bias-stress stability. The subsequent ultrasonic cleaning with deionized water and UV-ozone treatment further removed contaminants. More importantly, these processes anchor hydroxyl species on the SiO 2 surface, which impart negative charges for the neutralization of surface charge states, thereby comprehensively enhancing operational performance of devices. By leveraging the distinct properties of various solvents and treatments, an optimized surface cleaning protocol was proposed, in which the threshold voltage of OFETs was reduced to nearly 0 V, and the bias-stress stability was enhanced by approximately 300%.
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 | 0,000 |
| 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 ».