MétaCan
Menu
Retour à la cohorte
Enregistrement W1979818507 · doi:10.1063/1.4889744

Pressure modulated changes in resonance frequency of microchannel string resonators

2014· article· en· W1979818507 sur OpenAlexaff
Mohammad Faheem Khan, Brady Knowles, Christopher R. Dennison, M. S. Ghoraishi, Thomas Thundat

Notice bibliographique

RevueApplied Physics Letters · 2014
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMechanical and Optical Resonators
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMicrochannelResonatorResonance (particle physics)Pressure measurementMaterials scienceSensitivity (control systems)Pressure sensorOptoelectronicsAnalytical Chemistry (journal)ChemistryNanotechnologyAtomic physicsElectronic engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Resonating strings have shown promise in a variety of applications including micron-scale mass and temperature sensors. We present microchannel string resonators (MSRs) which have resonance frequency modulated by the internal gauge pressure of silicon nitride microchannels sitting atop the strings. We present an analytical model to predict the pressure sensitivity (Hz/kPa) of the first resonance frequency as well as experimental results for three identical MSRs. While the highest experimental sensitivity of one of the resonators is 5.19 Hz/kPa (0.5 Hz/mbar), the analytical model suggests sensitivity could increase by two orders of magnitude if the microchannels are fabricated at nanometer scale with a length of 10 μm, a channel width of 600 nm, and a channel thickness of 50 nm. The average pressure resolution of the sensors is 0.4 kPa. These results are for a calibrated range of pressure from 50 kPa to 100 kPa (500 mbar to 1000 mbar). However, the analytical model shows that resonance frequency is a linear function of pressure over a range of several MPa, suggesting that the microchannel resonators could have a pressure sensing range (dynamic range) suitable for many applications.

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)0,001
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,008
Tête enseignante GPT0,204
Écart entre enseignants0,196 · 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

Citations15
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physics LettersMême sujetMechanical and Optical ResonatorsTravaux en français237 207