MétaCan
Menu
Retour à la cohorte
Enregistrement W2018609763 · doi:10.1063/1.4789355

Computational analysis of the effect of surface roughness on the deflection of a gold coated silicon micro-cantilever

2013· article· en· W2018609763 sur OpenAlexaff
Victor C. Hayden, Shofiur Rahman, Luc Beaulieu

Notice bibliographique

RevueJournal of Applied Physics · 2013
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésCantileverDeflection (physics)Materials scienceSurface roughnessSurface stressSiliconSurface finishAdsorptionComposite materialNanotechnologyOpticsOptoelectronicsChemistryPhysicsSurface energyPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Numerical simulations were performed to study the effects of surface roughness on the deflection of gold coated silicon cantilevers due to molecular adsorption. The cantilever was modeled using a ball and spring system where the spring constants for the Si-Si, Si-Au, and Au-Au bonds were obtained from first principal calculations. The molecular adsorption process was simulated by elongating the natural bond length of the surface bonding sites by 0.5%. Increasing the bond length created a surface stress on the cantilever causing it to deflect. The system studied consisted of a 1 μm portion of a cantilever of various surface roughnesses with variable boundary condition and was processed in parallel on the Atlantic Computational Excellence Network cluster. The results have indicated that cantilevers with a rougher gold surface deflected more than those with a smoother surface. The increase in deflection is attributed to an increase in stress raisers in the gold film localized around the surface features. The onset of stress raisers increases the differential stress between the top and bottom surfaces and results in an increase in the deflection of the cantilever.

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 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 enseignants0,265
Score d'incertitude au seuil0,261

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,007
Tête enseignante GPT0,252
Écart entre enseignants0,245 · 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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysicsMême sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207