Passivation de la surface du nitrure de gallium par dépôt PECVD d'oxyde de silicium
Bibliographic record
Abstract
Le nitrure de gallium (GaN) est un matériau semi-conducteur de la famille III-V à large bande interdite directe, ayant des propriétés électriques et thermiques intéressantes. Grâce à sa large bande interdite, son fort champ de claquage et sa forte vitesse de saturation, il est très convoité pour la réalisation de dispositifs électroniques de puissance et de hautes fréquences pouvant fonctionner à haute température. De plus, grâce au caractère direct de sa bande interdite et son pouvoir d’émission à faible longueur d’onde, il est aussi avantageux pour la réalisation de dispositifs optoélectroniques de hautes performances en émission ou en détection tels que les DELs, les lasers ou les photo-détecteurs. \nLes difficultés de son élaboration, les problèmes d’inefficacités du dopage p et les densités élevées de défauts cristallins dans les couches épitaxiées ont constitué pendant longtemps des handicaps majeurs au développement des technologies GaN. Il a fallu attendre le début des années 1990 pour voir apparaître des couches épitaxiales de meilleures qualités et surtout pour obtenir un dopage p plus efficace [I. Akasaki, 2002]. Cet événement a été l’une des étapes clés qui a révolutionnée cette technologie et a permis d’amorcer son intégration dans le milieu industriel. \nMalgré l’avancé rapide qu’a connu le GaN et son potentiel pour la réalisation de sources optoélectroniques de haute efficacité, certains aspects de ce matériau restent encore mal maîtrisés, tels que la réalisation de contacts ohmiques avec une faible résistivité, ou encore le contrôle des interfaces métal/GaN et isolant/GaN. Les hétérostructures isolant/GaN sont généralement caractérisées par la présence d’une forte densité d’états de surface (D[indice inférieur it]). Cette forte D[indice inférieur it], aussi rapportée sur GaAs et sur d’autres matériaux III-V, détériore considérablement les performances des dispositifs réalisés et peut induire l’ancrage (‘pinning’) du niveau de Fermi. Elle constitue l’un des freins majeurs au développement d’une technologie MIS-GaN fiable et performante. \nLe but principal de ce projet de recherche est l’élaboration et l’optimisation d’un procédé de passivation du GaN afin de neutraliser ou minimiser l’effet de ses pièges. Les conditions de préparation de la surface du GaN avant le dépôt de la couche isolante (prétraitement chimique, gravure, prétraitement plasma etc.), les paramètres de dépôt de la couche diélectrique par PECVD (pression, température, flux de gaz, etc.) et le traitement post dépôt (tel que le recuit thermique) sont des étapes clés à investiguer pour la mise au point d’un procédé de passivation de surface efficace et pour la réalisation d’une interface isolant/GaN de bonne qualité (faible densité d’états de surface, faible densité de charges fixes, bonne modulation du potentiel de surface, etc.). Ceci permettra de lever l’un des verrous majeurs au développement de la technologie MIS-GaN et d’améliorer les performances des dispositifs micro- et optoélectroniques à base de ce matériau. Le but ultime de ce projet est la réalisation de transistors MISFETs ou MIS-HEMTs de hautes performances sur GaN.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".