Thermal MEMS actuator operation in aqueous media/seawater: Performance enhancement through atomic layer deposition post processing of PolyMUMPs devices
Notice bibliographique
Résumé
A method to enhance thermal microelectromechanical systems (MEMS) actuators in aqueous media by using dielectric encapsulation layers is presented. Aqueous media reduces the available mechanical energy of the thermal actuator through an electrical short between actuator structures. Al2O3 and TiO2 laminates with various thicknesses were deposited on packaged PolyMUMPs devices to electrically separate the actuator from the aqueous media. Atomic layer deposition was used to form an encapsulation layer around released MEMS structures and the package. The enhancement was assessed by the increase of the elastic energy, which is proportional to the mechanical stiffness of the actuator and the displacement squared. The mechanical stiffness of the encapsulated actuators compared with the noncoated actuators was increased by factors ranging from 1.45 (for 45 nm Al2O3 + 20 nm TiO2) to 1.87 (for 90 nm Al2O3 + 40 nm TiO2). Displacement measurements were made for all laminate combinations in filtered tap water and seawater by using FFT based displacement measurement technique with a repeatability of ∼10 nm. For all laminate structures, the elastic energy increased and enhanced the actuator performance: In seawater, the mechanical output energy increased by factors ranging from 5 (for 90 nm Al2O3) to 11 (for 90 nm Al2O3 + 40 nm TiO2). The authors also measured the long-term actuator stability/reliability in seawater. Samples were stored for 29 days in seawater and tested for 17 days in seawater. Laminates with TiO2 layers allowed constant operation over the entire measurement period.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».