Croissance du GaInAs par épitaxie hybride et investigation de l’effet mémoire du germanium dans un réacteur III-V CBE pour des applications optoélectroniques
Bibliographic record
Abstract
Au cours des dernières années, les énergies renouvelables et les technologies vertes se sont répandues afin de répondre au besoin de l’Homme tout en préservant l’environnement et en en contribuant a une nouvelle prosperité économique. Plusieurs domaines, dont l’optoélectronique, se sont développés allant du secteur industriel au grand public. L’essor de la technologie durable et verte a ainsi permis à l’optoélectronique d’envahir de nombreux domaines entre autres celui des télécommunications, de l’électronique militaire et du photovoltaïque. Ces développements sont rendus possibles par le biais de matériaux/alliages semi-conducteurs III-V et IV et du procédé de fabrication utilisée pour fabriquer le dispositif. Les matériaux III-V et IV présentent des propriétés intrinsèques uniques qui sont intéressantes pour de nombreux dispositifs qui utilisent les semiconducteurs comme par exemple : les cellules solaires à hautes performances et des récepteurs optiques tels que les photodiodes à avalanches, en télécommunication. De telles propriétés de matériaux sont étroitement liées à la technique de croissance (épitaxie) employée pour développer ces matériaux/alliages cristallins. Par exemple, le GaInAs présente une forte sensibilité aux conditions de croissance. Sa pureté nécessaire pour le bon fonctionnement des photodiodes à avalanche dépend donc de la technique de croissance utilisée. Par ailleurs en ce qui concerne les cellules solaires, l’utilisation de lumière concentrée se veut une méthode pour réduire les coûts de l’électricité. Cette réduction est toujours en cours, car elle est fortement dépendante de l’efficacité des cellules solaires sous lumière concentrée. Dans le cadre de cette thèse, nous avons évalué le portentiel d’une nouvelle technique d’épitaxie dite épitaxie hybride. Celle-ci est obtenue en modifiant notre réacteur CBE, ce qui a permis de croître sur InP une haute qualité et pureté de ternaires III-V (GaInAs et AlInAs). Ceci suggère ainsi l’implémentation de ces alliages dans des hétérostructures épitaxiales de photodiodes à avalanche à haute performance. La technique d’épitaxie hybride du GaInAs sur InP utilise l’arsine comme source d’arsenic, puis l’indium solide et le TEGa, respectivement comme précurseur d’indium et de gallium. La comparaison de cette technique avec des techniques conventionnelles comme la CBE, la MOCVD et la MBE atteste qu’un intérêt particulier devrait être porté à rendre mature cette technique pour une plus large utilisation. L’utilisation simultanée du groupe IV (Ge) et du groupe III-V dans notre réacteur III-V CBE a démontré un effet mémoire du Ge dans les alliages III-V. Les méthodes developpées pour limiter cet effet mémoire ont permis de croître du Ge de haute qualité et du GaAs pour les cellules solaires et les transistors bipolaires. Et enfin, une fabrication de cellule solaire double jonction GaInP/GaAs a été faite et ses performances sous lumière concentrée ont confirmé aussi bien la bonne qualité de l’hétérostructure de la cellule que du procédé de fabrication. Cette dernière ouvre ainsi la voie vers son intégration dans une cellule solaire quatre jonctions GaInP/GaAs/SiGeSn/Ge pour de plus hautes performances sous lumière concentrée.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 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 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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 source (direct Gemma or distilled Codex), 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".