MétaCan
Menu
Retour à la cohorte
Enregistrement W1996299322 · doi:10.1088/0960-1317/24/6/065021

Fabrication of nanoelectromechanical systems via the integration of high surface area glancing angle deposition thin films

2014· article· en· W1996299322 sur OpenAlexaff
Jocelyn N. Westwood, Vincent T. K. Sauer, Jonathan K. Kwan, Wayne K. Hiebert, Jeremy C. Sit

Notice bibliographique

RevueJournal of Micromechanics and Microengineering · 2014
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMechanical and Optical Resonators
Établissements canadiensNational Institute for NanotechnologyUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésNanoelectromechanical systemsMaterials scienceCantileverFabricationDeposition (geology)Resonance (particle physics)Gravimetric analysisNanotechnologyThin filmStress (linguistics)Surface stressLayer (electronics)Microelectromechanical systemsOptoelectronicsComposite materialChemistrySurface energyPhysics

Résumé

récupéré en direct d'OpenAlex

Nanoelectromechanical systems (NEMS) coated with a high surface area thin film are fabricated. Glancing angle deposition (GLAD) is used to uniformly deposit high surface area, nanostructured SiO2 films on top of released NEMS. The resonance frequencies and quality factors are measured to assess the potential of the high surface area NEMS for sensing experiments. Resonance frequencies of coated cantilevers, although reduced by mass loading, can be predicted accurately using our derived model. Compressive stress makes the resonance frequencies of coated doubly-clamped beams difficult to predict. The quality factors of the coated NEMS are reduced by one order of magnitude by a quasi-continuous layer at the base of the GLAD film, which also introduces an estimated compressive stress of 5.3-9.3 MPa. The limit of detection is demonstrated to be ∼2 pg cm-2. With this successful proof-of-concept demonstration, we anticipate the future use of these devices as high surface area gravimetric mass sensors for applications such as gas chromatography.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,484
Score d'incertitude au seuil0,358

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,005
Tête enseignante GPT0,190
Écart entre enseignants0,184 · 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 tête enseignante, 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

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Micromechanics and MicroengineeringMême sujetMechanical and Optical ResonatorsTravaux en français237 207