MétaCan
Menu
Retour à la cohorte
Enregistrement W759364117 · doi:10.1116/1.4926382

Influence of atomic layer deposition valve temperature on ZrN plasma enhanced atomic layer deposition growth

2015· article· en· W759364117 sur OpenAlexafffund
Triratna Muneshwar, Ken Cadien

Notice bibliographique

RevueJournal of Vacuum Science & Technology A Vacuum Surfaces and Films · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueSemiconductor materials and devices
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaAlberta Innovates - Technology Futures
Mots-clésAtomic layer depositionEvaporationMaterials scienceElectrical resistivity and conductivityDeposition (geology)Layer (electronics)Thin filmBoiling pointCondensationPlasmaNanotechnologyChemistryOrganic chemistryThermodynamicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Atomic layer deposition (ALD) relies on a sequence of self-limiting surface reactions for thin film growth. The effect of non-ALD side reactions, from insufficient purging between pulses and from precursor self-decomposition, on film growth is well known. In this article, precursor condensation within an ALD valve is described, and the effect of the continuous precursor source from condensate evaporation on ALD growth is discussed. The influence of the ALD valve temperature on growth and electrical resistivity of ZrN plasma enhanced ALD (PEALD) films is reported. Increasing ALD valve temperature from 75 to 95 °C, with other process parameters being identical, decreased both the growth per cycle and electrical resistivity (ρ) of ZrN PEALD films from 0.10 to 0.07 nm/cycle and from 560 to 350 μΩ cm, respectively. Our results show that the non-ALD growth resulting from condensate accumulation is eliminated at valve temperatures close to the pressure corrected boiling point of precursor.

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)0,001
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 enseignants0,006
Score d'incertitude au seuil0,866

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,010
Tête enseignante GPT0,233
Écart entre enseignants0,223 · 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

Citations12
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Vacuum Science & Technology A Vacuum Surfaces and FilmsMême sujetSemiconductor materials and devicesTravaux en français237 207