MétaCan
Menu
Retour à la cohorte
Enregistrement W2082099113 · doi:10.1063/1.3663438

Field-emission-assisted approach to dry micro-electro-discharge machining of carbon-nanotube forests

2011· article· en· W2082099113 sur OpenAlexafffund
Tanveer Saleh, Masoud Dahmardeh, Anas Bsoul, Alireza Nojeh, Kenichi Takahata

Notice bibliographique

RevueJournal of Applied Physics · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesJordan University of Science and TechnologyNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésMaterials scienceCarbon nanotubeMachiningElectrical discharge machiningAnodeCathodePolarity (international relations)Field electron emissionMicrostructureMicropatterningNanotechnologyCarbon fibersVoltageOptoelectronicsComposite materialMetallurgyElectrodeElectrical engineeringElectronChemistry

Résumé

récupéré en direct d'OpenAlex

This work investigates dry micro-electro-discharge machining (μEDM) of vertically aligned carbon nanotube (CNT) forests that are used as cathodes in the process, as opposed to conventional μEDM where the material to be machined forms the anode, toward achieving higher precision in the patterned microstructures. The new configuration with the reversed polarity is observed to generate higher discharge currents in the process, presumably due to effective field-emission from CNTs. This effect allows the process to be performed at very low discharge energies, approximately 80× smaller than in the conventional normal-polarity case, with the machining voltage and tolerance down to 10 V and 2.5 μm, respectively, enabling high-precision high-aspect-ratio micropatterning in the forests. The new approach is also demonstrated to make the process faster, cleaner, and more stable than conventional processing. Spectroscopic analyses of the forests processed by reverse μEDM show no evidence of significant crystalline deterioration or contamination in the CNTs.

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 enseignants0,034
Score d'incertitude au seuil0,816

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,020
Tête enseignante GPT0,245
Écart entre enseignants0,224 · 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

Citations25
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysicsMême sujetCarbon Nanotubes in CompositesTravaux en français237 207