Synthèse de couches ultra-minces de siliciures sur silicium cristallin et\nendommagé étudiée par microscopie et profilométrie en profondeur
Bibliographic record
Abstract
Les siliciures métalliques constituent un élément crucial des contacts\nélectriques des transistors que l'on retrouve au coeur des circuits intégrés modernes.\nÀ mesure qu'on réduit les dimensions de ces derniers apparaissent de graves\nproblèmes de formation, liés par exemple à la limitation des processus par la faible\ndensité de sites de germination. L'objectif de ce projet est d'étudier les mécanismes\nde synthèse de siliciures métalliques à très petite échelle, en particulier le NiSi, et de\ndéterminer l’effet de l’endommagement du Si par implantation ionique sur la\nséquence de phase. Nous avons déterminé la séquence de formation des différentes\nphases du système Ni-Si d’échantillons possédant une couche de Si amorphe sur\nlesquels étaient déposés 10 nm de Ni. Celle-ci a été obtenue à partir de mesures de\ndiffraction des rayons X résolue en temps et, pour des échantillons trempés à des\ntempératures critiques du processus, l’identité des phases et la composition et la\nmicrostructure ont été déterminées par mesures de figures de pôle, spectrométrie par\nrétrodiffusion Rutherford et microscopie électronique en transmission (TEM). Nous\navons constaté que pour environ la moitié des échantillons, une réaction survenait\nspontanément avant le début du recuit thermique, le produit de la réaction étant du\nNi2Si hexagonal, une phase instable à température de la pièce, mélangée à du NiSi.\nDans de tels échantillons, la température de formation du NiSi, la phase d’intérêt pour\nla microélectronique, était significativement abaissée.
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) | 0.004 | 0.001 |
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".