MétaCan
Menu
Retour à la cohorte
Enregistrement W2067459068 · doi:10.1063/1.1150609

Capacitance based scanner for thickness mapping of thin dielectric films

2000· article· en· W2067459068 sur OpenAlexaff
John D. Graham, Marek Kryzeminski, Zoran D. Popović

Notice bibliographique

RevueReview of Scientific Instruments · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasonics and Acoustic Wave Propagation
Établissements canadiensXerox (Canada)
Organismes subventionnairesnon disponible
Mots-clésDielectricMaterials scienceCapacitanceSubstrate (aquarium)Electrical conductorRaster scanImage resolutionOpticsScannerRaster graphicsResolution (logic)Capacitance probeThin filmOptoelectronicsComposite materialElectrodeNanotechnologyComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

We have recently developed a technique capable of mapping variations in the thickness of thin dielectric films. This technique is based on accurately recording the capacitance between a spherical probe and the conductive substrate of a dielectric film. Once the capacitance has been recorded, and assuming the dielectric constant is known, the thickness of the film can be readily extracted, with better than 0.2 μm accuracy. In the current experimental configuration, the probe can be raster scanned with respect to the surface of the dielectric film, enabling one to record three-dimensional images and observe any spatial variations in sample thickness. The spatial resolution (i.e., the imaging resolution) of the technique is primarily dictated by the size of the probe and currently rests at ∼200 μm. This technique is applicable to any dielectric film on a conductive substrate, assuming the dielectric constant is known.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,765
Score d'incertitude au seuil0,365

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,013
Tête enseignante GPT0,222
Écart entre enseignants0,208 · 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'étudeSimulation ou modélisation
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

Citations19
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Scientific InstrumentsMême sujetUltrasonics and Acoustic Wave PropagationTravaux en français237 207