MétaCan
Menu
Retour à la cohorte
Enregistrement W1974319528 · doi:10.1063/1.3518965

High efficiency laser photothermal excitation of microcantilever vibrations in air and liquids

2011· article· en· W1974319528 sur OpenAlexaff
Daniel Kiracofe, Kei Kobayashi, Aleksander Labuda, Arvind Raman, Hirofumi Yamada

Notice bibliographique

RevueReview of Scientific Instruments · 2011
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMechanical and Optical Resonators
Établissements canadiensMcGill University
Organismes subventionnairesDivision of Civil, Mechanical and Manufacturing InnovationOlympusNational Science Foundation
Mots-clésCantileverMaterials scienceMicroscale chemistryPhotothermal therapyLaserExcitationPhotothermal effectOptoelectronicsOpticsLaser power scalingVibrationSiliconNanotechnologyComposite materialAcoustics

Résumé

récupéré en direct d'OpenAlex

Photothermal excitation is a promising means of actuating microscale structures. It is gaining increased interest for its capability to excite atomic force microscopy (AFM) microcantilevers with wide frequency bandwidth in liquid environments yielding clean resonance peaks without spurious resonances. These capabilities are particularly relevant for high speed and high resolution, quantitative AFM. However, photothermal efficiency is low, which means a large amount of laser power is required for a given mechanical response. The high laser power may cause local heating effects, or spill over the cantilever and damage sensitive samples. In this work, it is shown that by simply changing from a probe with a rectangular cross-section to one with a trapezoidal cross-section, the photothermal efficiency of an uncoated silicon cantilever can be increased by more than a order of magnitude, and the efficiency of a coated cantilever can be increased by a factor of 2. This effect is demonstrated experimentally and explained theoretically using thermomechanical analysis. Results are shown for both air and water, and for normal bending and torsional oscillations.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,015
Tête enseignante GPT0,242
Écart entre enseignants0,226 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations76
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Scientific InstrumentsMême sujetMechanical and Optical ResonatorsTravaux en français237 207