基于算法的 GeSn 在 GaAs (001) 上分子束外延线性组分梯度生长
材料科学
2024-08-14 v4 应用物理
摘要
未来高组分 GeSn 薄膜的生长很可能由算法引导。在本研究中，我们展示了如何利用基于对数的算法，通过分子束外延在 GaAs (001) 衬底上获得高达 16% 的高质量 GeSn 组分。我们演示了组分靶向与对数梯度，以实现线性分级的赝晶 Ge1-xSnx 组分直至 10%，随后结构发生部分弛豫并继续梯度生长至 16% GeSn。在本报告中，我们使用 X 射线衍射、模拟、SIMS 和原子力显微镜来分析并展示所附算法可产生的若干可能生长方式。该生长方法在 GeSn 发展领域是重大进展，也是算法驱动线性分级 GeSn 薄膜的首次演示。
引用
@article{arxiv.2309.06695,
title = {Algorithm-Based Linearly Graded Compositions of GeSn on GaAs (001) via Molecular Beam Epitaxy},
author = {Calbi Gunder and Mohammad Zamani Alavijeh and Emmanuel Wangila and Fernando Maia de Oliveira and Aida Sheibani and Serhii Kryvyi and Paul C. Attwood and Yuriy I. Mazur and Shui-Qing Yu and Gregory J. Salamo},
journal= {arXiv preprint arXiv:2309.06695},
year = {2024}
}
备注
Final Version