Evaluating the adhesion of SU-8 thin films using an AlN/Si surface acoustic wave sensor
Notice bibliographique
Résumé
A new approach is developed for evaluating the adhesion of SU-8 thin films using a surface acoustic wave (SAW) sensor. The SAW sensor consists of a silicon (Si) substrate coated with a thin aluminum nitride (AlN) film and two sets of inter-digital electrodes (IDT) patterned on the AlN surface. Two sensor configurations are developed in order to evaluate the adhesion of SU-8. In the first configuration the SU-8 layer is patterned on top of a gold film that is deposited on the AlN surface. In the second configuration the gold film is coated with an omnicoat layer prior to patterning the SU-8 film. Omnicoat is an adhesion promoter for SU-8, which is used to increase its adhesion to gold. The frequency responses from both configurations are measured and the shift in the center frequency value is evaluated. The results illustrate that without omnicoat the center frequency shifts to a higher value indicating an increase in the wave velocity. This is because the poor adhesion of the SU-8 layer without omnicoat causes the wave to be more concentrated in the AlN/Si structure and AlN has a higher acoustic wave velocity in comparison to the SU-8 layer. In addition, four SAW sensors operating at four different center frequencies are developed to investigate the change in sensor sensitivity with the increase in center frequency. The results indicate that the sensor sensitivity increases proportionally to the increase in operating frequency. Finally, a theoretical model is developed to calculate the wave dispersion profile for the SU-8/AlN/Si configuration. The interface of the SU-8/AlN layers is modeled as a layer of mass-less springs with stiffness K(N m −3 ). The shifts in the wave dispersion profile at different levels of interface spring stiffness are compared to the experimental values to evaluate the adhesion of the SU-8 layer.
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 | 0,000 |
| 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 ».