nlsop/paper/M243.tex

   1 \pdfoutput=0
   2 \documentclass[12pt]{elsart}
   3 \usepackage[activate]{pdfcprot}
   4 \usepackage{verbatim}
   5 \usepackage[english]{babel}
   6 \usepackage[latin1]{inputenc}
   7 \usepackage[T1]{fontenc}
   8 \usepackage{amsmath}
   9 \usepackage{ae}
  10 \usepackage{aecompl}
  11 \usepackage[dvips]{graphicx}
  12 \graphicspath{{../img/}}
  13 \usepackage{natbib,amssymb}
  14
  15 \linespread{1.4}
  16
  17 \begin{document}
  18
  19 \hyphenation{TRIM}
  20
  21 \begin{frontmatter}
  22
  23 \title{Monte Carlo simulation study\\of a selforganisation process\\leading to
  24        ordered precipitate structures}
  25
  26 \author[augsburg]{F. Zirkelbach\corauthref{cor}}
  27 \author[augsburg]{M. Häberlen}
  28 \author[augsburg]{J. K. N. Lindner}
  29 \author[augsburg]{B. Stritzker}
  30
  31 \corauth[cor]{Corresponding author.\\
  32               Tel.: +49-821-5983008; fax: +49-821-5983425.\\
  33               E-mail address: frank.zirkelbach@physik.uni-augsburg.de (Frank
  34               Zirkelbach)}
  35
  36 \address[augsburg]{Universität Augsburg, Institut für Physik,
  37                    Universitätsstrasse 1,\\D-86135 Augsburg, Germany}
  38
  39 \begin{abstract}
  40 Periodically arranged, self-organised, nanometric, amorphous precipitates have been observed after high-fluence ion implantations into solids for a number of ion/target combinations at certain implantation conditions.
  41 A model describing the ordering process based on compressive stress exerted by the amorphous inclusions as a result of the density change upon amorphisation is introduced.
  42 A Monte Carlo simulation code, which focuses on high-fluence carbon implantations into silicon, is able to reproduce experimentally observed nanolamella distributions as well as the formation of continuous amorphous layers.
  43 By means of simulation the selforganisation process gets traceable and detailed information about the compositional and structural state during the ordering process is obtained.
  44 Based on simulation results, a recipe is proposed for producing broad distributions of ordered lamellar structures.
  45 \end{abstract}
  46
  47 \begin{keyword}
  48 Monte Carlo simulation; Selforganisation; Precipitation; Amorphisation;
  49 Nanostructures; Ion irradiation\\
  50 \PACS 02.70.Uu; 61.72.Tt; 81.16.Rf
  51 \end{keyword}
  52
  53 \end{frontmatter}
  54
  55 \section{Introduction}
  56
  57 Precipitates resulting from high-fluence ion implantation into solids are usually statistically arranged and have a broad size distribution.
  58 However, the formation of ordered lamellar inclusions has been observed for a number of ion/target combinations at certain implantation conditions [1-3].
  59 An inevitable condition for the material to exhibit this special self-organised arrangement is a largely reduced density of host atoms in the amorphous phase compared to the crystalline host lattice.
  60 As a consequence stress is exerted by the amorphous inclusions which is responsible for the ordering process.
  61 A model describing the process is implemented in a simulation code, focussing on high-fluence carbon implantations into silicon.
  62 Simulation results are compared to experimental data and a recipe for the fabrication of broad distributions of ordered lamellar structures is proposed.
  63
  64 \section{Model}
  65 High-fluence carbon implantations in silicon at temperatures between $150$ and $400 \, ^{\circ} \mathrm{C}$ with an energy of $180 \, keV$ result in an amorphous buried $SiC_x$ layer along with ordered spherical and lamellar amorphous $SiC_x$ inclusions at the upper layer interface [4] (Fig. 1).
  66 A model [5] explaining the evolution of ordered lamellae with increasing amount of implanted carbon is schematically represented in Fig. 2.
  67
  68 With increasing fluence the silicon gets supersaturated with carbon atoms which  results in the nucleation of spherical $SiC_x$ precipitates.
  69 By the precipitation into the amorphous $SiC_x$ (a-$SiC_x$) phase an enormous interfacial energy can be saved, which would be required for cubic $SiC$ ($3C-SiC$) in crystalline silicon (c-$Si$) [6], originating from a $20 \, \%$ lattice mismatch.
  70 Since amorphous silicon (a-$Si$) is not stable against ion beam induced epitaxial recrystallisation at temperatures above $130 \, ^{\circ} \mathrm{C}$ at the present low atomic displacement rates [7], the existence of the amorphous precipitates must be due to the accumulation of carbon (carbon induced amorphisation), which stabilises the amorphous phase [8].
  71 In fact, energy filtered XTEM studies [9] reveal the carbon-rich nature of the precipitates.
  72
  73 The $Si$ atomic density of a-$SiC$ is about $20$ to $30 \, \%$ lower than the one of $3C-SiC$ [10,11].
  74 Thus, a corresponding density reduction is also assumed for substoichiometric a-$SiC_x$ compared to c-$Si$.
  75 Therefore the amorphous volumes tend to expand and as a result, compressive stress is exerted on the $Si$ host lattice, represented by black arrows in Fig 2.
  76 This stress may relax in the vertical direction since the process occurs near the target surface.
  77 Upon continued ion irradiation volumes between amorphous inclusions will more likely turn into an amorphous state as the stress disturbs the rearrangement of atoms on regular lattice sites (stress enhanced amorphisation).
  78 In contrast, randomly formed amorphous precipitates (ballistic amorphisation) with low concentrations of carbon in a crystalline neighbourhood are likely to recrystallise under present implantation conditions.
  79
  80 Since the solid solubility of carbon in c-$Si$ is essentially zero, once formed, a-$SiC_x$ inclusions serve as diffusional sinks for excess carbon atoms in the c-$Si$ phase, as represented by the white arrows in Fig. 2.
  81 As a consequence the amorphous volumes accumulate carbon, which stabilises them against recrystallisation and promotes the strain supported formation of additional a-$SiC_x$ in their lateral vicinity.
  82
  83 \section{Simulation}
  84
  85 For the Monte Carlo simulation the target is divided into cells with a cube length of $3 \, nm$.
  86 Each cell is either in a crystalline or amorphous state and stores the local carbon concentration.
  87 The simulation starts with a complete crystalline target and zero carbon concentration.
  88
  89 The simulation algorithm consists of three parts.
  90 In a first amorphisation/re-crystallisation step random numbers are computed to specify the volume at position $\vec{r}$ in which a collision occurs.
  91 Two uniformly distributed random numbers $x$ and $y$ are generated to determine the lateral position of $\vec{r}$.
  92 Using the rejection method a random number $z$ specifying the depth coordinate of $\vec{r}$ is distributed according to the nuclear stopping power profile which, as will be seen below, is identical to the number of collisions caused by the ions per depth.
  93 The local amorphisation or recrystallisation probability is computed as detailed below and another random number between $0$ and $1$ decides whether there is amorphisation or recrystallisation or the state of that volume is unchanged.
  94 This step is repeated for the mean number of steps of cells in which collisions are caused by one ion, gained from {\em TRIM} [12] collision data.
  95 In a second step, the ion gets incorporated in the target at randomly chosen coordinates with the depth coordinate being distributed according to the {\em TRIM} implantation profile.
  96 In a last step the carbon diffusion, controlled by two simulation parameters $d_v$ and $d_r$, as well as sputtering, controlled by the parameter $n$ are treated.
  97 Every $d_v$ simulation steps, a fraction $d_r$ of the amount of carbon in crystalline volumes gets transfered to an amorphous neighbour in order to allow for a reduction of the supersaturation of carbon in crystalline volumes.
  98 Every $n$ steps a crystalline, carbon-free layer is inserted at the bottom of the cell array while the first layer is removed, where $n$ results from a RBS derived [5] sputter rate.
  99
 100 In order to calculate the amorphisation probability, three factors have to be taken into account corresponding to our model.
 101 In the simulation, each of these mechanisms contributes to a local amorphisation probability of the cell at $\vec{r}$.
 102 The strength of each mechanism is controlled by simulation parameters.
 103 The local amorphisation probability at volume $\vec{r}$ is calculated by
 104 \begin{equation}
 105 p_{c \rightarrow a}(\vec{r}) = p_b + p_c c_C(\vec{r}) + \sum_{\textrm{amorphous neighbours}} \frac{p_s c_C(\vec{r'})}{(r-r')^2} \textrm{ .}
 106 \end{equation}
 107
 108 The normal (ballistic) amorphisation is controlled by $p_b$ and is set constant.
 109 This choice is justified by analysing {\em TRIM} collision data that show identical depth profiles for the number of collisions per depth and the nuclear stopping power.
 110 Thus, on average an ion is loosing a constant energy per collision.
 111 The carbon induced amorphisation is proportional to the local amount of carbon $c_C(\vec{r})$ and controlled by weight factor $p_c$.
 112 The stress enhanced amorphisation is weighted by $p_s$.
 113 The forces originating from the amorphous volumes $\vec{r'}$ in the vicinity of $\vec{r}$ are assumed to be proportional to the amount of carbon $c_C(\vec{r'})$ in the neighbour cell.
 114 The sum is limited to volumes located in the same layer because of stress relaxation towards the surface. Since the stress amplitude is decreasing with the square of the distance $r-r'$, a cutoff radius is used in the simulation.
 115 If an amorphous volume is hit by collisions, a recrystallisation probability is given by
 116 \begin{equation}
 117 p_{a \rightarrow c}(\vec r) = (1 - p_{c \rightarrow a}(\vec r)) \Big(1 - \frac{\sum_{direct \, neighbours} \delta (\vec{r'})}{6} \Big) \, \textrm{,}
 118 \end{equation}
 119 \[
 120 \delta (\vec r) = \left\{
 121 \begin{array}{ll}
 122         1 & \textrm{if the cell at position $\vec r$ is amorphous} \\
 123         0 & \textrm{otherwise} \\
 124 \end{array}
 125 \right.
 126 \]
 127 which is basically $1$ minus the amorphisation probability and a term taking into account the crystalline neighbourhood which is needed for epitaxial recrystallisation.
 128
 129 \section{Results}
 130 First versions of this simulation just covered the limited depth region of the target in which selforganisation is observed [13,14].
 131 As can be seen in Fig. 3, the new version of the simulation code is able to model the whole depth region affected by the irradiation process and properly describes the fluence dependence of the amorphous phase formation.
 132 In Fig 3a) only isolated amorphous cells exist in the simulation and cross-section transmission electron microscopy (XTEM) shows dark contrasts, corresponding to highly distorted regions caused by defects.
 133 XTEM at higher magnification [9] shows the existence of amorphous inclusions which are $3 \, nm$ in size.
 134 For a fluence of $2.1 \times 10^{17} cm^{-2}$ a continuous amorphous layer is formed (Fig. 3b)).
 135 The simulation shows a broader continuous layer than observed experimentally.
 136 However dark contrasts below the continuous layer in the XTEM image of Fig. 3b) indicate a high concentration of defects and amorphous inclusions in this depth zone.
 137 The continuous amorphous layer together with the region showing the dark contrast has essentially the same thickness as the simulated continuous layer.
 138 For higher fluences (Fig. 3c) and d)) experimental and simulated data correspond to a high degree.
 139 The thickness of the continuous amorphous layer increases with increasing fluence.
 140 Next to the upper crystalline/amorphous interface, nanometric lamellar inclusions are formed which get more defined with increasing fluence, reflecting the progress of selforganisation.
 141 The difference in depth throughought all images is due to a deeper maximum of the used {\em SRIM} implantation profile compared to older, more accurate {\em TRIM} versions.
 142
 143 By simulation it is possible to determine the carbon concentration in crystalline and amorphous volumes.
 144 This is shown in Fig. 4.
 145 Lamellae exist between $350$ and $400 \, nm$ and cause a fluctuation in the carbon concentration.
 146 This is due to the carbon diffusion, which is of great importance for the ordering process, as already pointed out in [13,14], and the complementarily arranged and alternating sequence of layers with high and low amount of amorphous regions.
 147 In addition, a saturation limit of carbon in c-$Si$ under the given implantation conditions can be identified between $8$ and $10 \, at. \%$, the maxima of carbon concentration in crystalline volumes.
 148
 149 Based on above results a recipe is proposed to create thick layers with lamellar structure which might be favourable for applications.
 150 The starting point is a crystalline silcon target with a nearly constant carbon concentration of $10 \, at.\%$ in a $500 \, nm$ thick surface layer. This can possibly be achieved by multiple energy ($180$ to $10 \, keV$) carbon implantation at a temperature of $500 \, ^{\circ} \mathrm{C}$, preventing amorphisation [5].
 151 In a second step the target is irradiated  at $150 \, ^{\circ} \mathrm{C}$ with $2 \, MeV$ $C^+$ ions, which have a nearly constant energy loss in the top $500 \, nm$ and  do not significantly change the carbon concentration here.
 152 The result is displayed in Fig. 5.
 153 Already ordered structures appear after $100 \times 10^6$ steps corresponding to a fluence of $D=2.7 \times 10^{17} cm^{-2}$ and get more defined with increasing fluence.
 154 According to recent studies [15] these structures are expected to be the starting point for materials showing strong photoluminescence.
 155
 156 \section{Summary and conclusion}
 157
 158 Ion irradiation of solids at certain implantation conditions may result in the formation of regularly ordered amorphous precipitates.
 159 The ordering process can be understood by the presented model, which is able to reproduce experimental observations by means of a Monte Carlo simulation code.
 160 Detailed information like the amount of carbon in amorphous and crystalline volumes is gained, shedding light on the selforganisation process.
 161 Finally a technique is proposed to produce thick films of ordered lamellar nanostructures.
 162
 163 \begin{thebibliography}{20}
 164 \bibitem{ommen} A. H. van Ommen, Nucl. Instr. and Meth. B 39 (1989) 194.
 165 \bibitem{specht} E. D. Specht, D. A. Walko, S. J. Zinkle, Nucl. Instr. and Meth. B 84 (1994) 323.
 166 \bibitem{ishimaru} M. Ishimaru,  R. M. Dickerson, K. E. Sickafus, Nucl. Instr. and Meth. B 166-167 (2000) 390.
 167 \bibitem{lamellar_inclusions} J. K. N. Lindner, M. Häberlen, M. Schmidt, W. Attenberger, B. Stritzker, Nucl. Instr. Meth. B 186 (2002) 206.
 168 \bibitem{model_joerg} J. K. N. Lindner, Nucl. Instr. Meth. B 178 (2001) 44.
 169 \bibitem{int_eng} W. J. Taylor, T. Y. Tan, U. Gösele, Appl. Phys. Lett. 62 (1993) 3336.
 170 \bibitem{ibic} J. Linnross, R. G. Elliman, W. L. Brown, J. Matter. Res. 3 (1988) 1208.
 171 \bibitem{ap_stab} E. F. Kennedy, L. Csepregi, J. W. Mayer, J. Appl. Phys. 48 (1977) 4241.
 172 \bibitem{eftem_maik} M. Häberlen, Bildung und Ausheilverhalten nanometrischer amorpher Einschlüsse in Kohlenstoff-implantierten Silizium, Diploma thesis, Augsburg, 2002 (in Germany).
 173 \bibitem{si_dens1} L. L. Horton, J. Bentley, L. Romana, A. Perez, C. J. McHargue, J. C. McCallum, Nucl. Instr. Meth. B 65 (1992) 345.
 174 \bibitem{si_dens2} W. Skorupa, V. Heera, Y. Pacaud, H. Weishart, in: F. Priolo, J. K. N. Lindner, A. Nylandsted Larsen, J. M. Poate (Eds.), New Trends in Ion Beam Processing of Materials, Eur. Mater. Res. Soc. Symp. Proc. 65, Part 1, Elsevier,Amsterdam, 1997,p. 114.
 175 \bibitem{trim} J. F. Ziegler, J. P. Biersack, U. Littmark, The Stopping and Range of Ions in Solids, Pergamon, New York, 1985.
 176 \bibitem{me1} F. Zirkelbach, M. Häberlen, J. K. N. Lindner, B. Stritzker, Comp. Matter. Sci. 33 (2005) 310.
 177 \bibitem{me2} F. Zirkelbach, M. Häberlen, J. K. N. Lindner, B. Stritzker, Nucl. Instr. Meth. B 242 (2006) 679.
 178 \bibitem{photo} D. Chen, Z. M. Liao, L. Wang, H. Z. Wang, F. Zhao, W. Y. Cheung, S. P. Wong, Opt. Mater. 23 (2003) 65.
 179 \end{thebibliography}
 180
 181 %\listoffigures
 182
 183 \newpage
 184 \section*{Figure Captions}
 185
 186 \begin{enumerate}
 187 \item Cross-sectional transmission electron microscopy (XTEM) image of a $Si(100)$ sample implanted with $180 \, keV$ $C^+$ ions at a fluence of $4.3 \times 10^{17} \, cm^{-2}$ and a substrate temperature of $150 \, ^{\circ} \mathrm{C}$. Lamellar and spherical amorphous inclusions at the interface of the continuous amorphous layer are marked by L and S.
 188 \item Schematic explaining the selforganised evolution of amorphous $SiC_x$ precipitates into ordered $SiC_x$ lamellae with increasing fluence (see text).
 189 \item Comparison of simulation and XTEM ($180 \, keV$ $C^+$ implantation into silicon at $150 \, ^{\circ} \mathrm{C}$) for several fluences. Amorphous cells are white. Simulation parameters: $p_b=0.01$, $p_c=0.001 \times (3\, nm)^3$, $p_s=0.0001 \times (3 \, nm)^5$, $d_r=0.05$, $d_v=1 \times 10^6$.
 190 \item Depth distribution of amorphous cells (white) (a) and corresponding carbon concentration profile for a fluence of $4.3 \times 10^{17} \, cm^{-2}$ (b) that shows separately the mean amount of carbon in amorphous and crystalline volumes as well as the sum of both.
 191 \item Prediction of the self-organised formation of amorphous nanolamellae upon $2 \, MeV$ $C^+$ irradiation of silicon homogeneously doped within the top $500 \, nm$ with $10 \, at. \%$ carbon.  The fluence increases from (a) to (f) with $100 \times 10^6$ simulation steps corresponding to a fluence of $2.7 \times 10^{17} \, cm^{-2}$.
 192 \end{enumerate}
 193
 194 \newpage
 195 \section*{Figures}
 196
 197 \begin{figure}[!h]
 198 \begin{center}
 199 \includegraphics[width=14cm]{k393abild1_e.eps}
 200 \caption[1]{}
 201 \end{center}
 202 \label{img:tem}
 203 \end{figure}
 204
 205 \newpage
 206 \begin{figure}[!h]
 207 \begin{center}
 208 \includegraphics[width=14cm]{modell_ng_e_nimb.eps}
 209 \caption[2]{}
 210 \end{center}
 211 \label{img:model}
 212 \end{figure}
 213
 214 \newpage
 215 \begin{figure}[!h]
 216 \begin{center}
 217 \includegraphics[width=14cm]{dosis_entwicklung_all_e_2.eps}
 218 \caption[3]{}
 219 \end{center}
 220 \label{img:dose_cmp}
 221 \end{figure}
 222
 223 \newpage
 224 \begin{figure}[!h]
 225 \begin{center}
 226 \includegraphics[width=14cm]{ac_cconc_ver3_e.eps}
 227 \caption[4]{}
 228 \end{center}
 229 \label{img:carbon_distr}
 230 \end{figure}
 231
 232 \newpage
 233 \begin{figure}[!h]
 234 \begin{center}
 235 \includegraphics[width=14cm]{multiple_impl_e_2.eps}
 236 \caption[5]{}
 237 \end{center}
 238 \label{img:broad_lam}
 239 \end{figure}
 240
 241 \end{document}