MétaCan
Menu
Retour à la cohorte
Enregistrement W1591895175 · doi:10.1002/9783527646821.ch5

Nanomaterials: Laser‐Induced Nano/Microfabrications

2012· other· en· W1591895175 sur OpenAlexaff
A. Y. Vorobyev, Chunlei Guo, H. Sakata, Moriaki Wakaki, Qing Wang, V. Sametoglu, Ying Y. Tsui, Matthias Nagel, Thomas Lippert

Notice bibliographique

RevueNanomaterials · 2012
Typeother
Langueen
DomaineEngineering
ThématiqueLaser Material Processing Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésLaserNanomaterialsFemtosecondMaterials scienceNanotechnologySubstrate (aquarium)Nano-FabricationOptoelectronicsOpticsComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

In conjunction with the increasing availability of cost-efficient laser units during the recent years, laser-based micromachining techniques have been developed as an indispensable industrial instrument of "tool-free" high-precision manufacturing techniques for the production of miniaturized devices made of nearly every type of materials. Laser cutting and drilling, as well as surface etching, have grown meanwhile to mature standard methods in laser micromachining applications where a well-defined laser beam is used to remove material by laser ablation. As an accurately triggerable nonmechanical tool, the ablating laser beam directly allows a subtractive direct-write engraving of precise microscopic structure patterns on surfaces, such as microchannels, grooves, and well arrays, as well as for security features. Therefore, laser direct-write (LDW) techniques imply originally a controlled material ablation to create a patterned surface with spatially resolved three-dimensional structures, and gained importance as an alternative to complementary photolithographic wet-etch processes. However, with more extended setups, LDW techniques can also be utilized to deposit laterally resolved micropatterns on surfaces, which allows, in a general sense, for the laser-assisted "printing" of materials.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,525
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0130,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,241
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanomaterialsMême sujetLaser Material Processing TechniquesTravaux en français237 207