MétaCan
Menu
Retour à la cohorte
Enregistrement W2094939070 · doi:10.1088/1742-6596/303/1/012014

Effect of Magnetic Film Thickness on the Spatial Resolution of Magnetic Force Microscope Tips

2011· article· en· W2094939070 sur OpenAlexfundno aff
Katsumasa Nagano, Kousuke Tobari, Mitsuru Ohtake, Masaaki Futamoto

Notice bibliographique

RevueJournal of Physics Conference Series · 2011
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesRyerson UniversityChuo University
Mots-clésMagnetic force microscopeMaterials scienceScanning electron microscopeMagnetometerThin filmRADIUSResolution (logic)Surface roughnessOpticsMicroscopeMagnetic fieldNanotechnologyComposite materialMagnetizationPhysics

Résumé

récupéré en direct d'OpenAlex

Magnetic force microscope (MFM) tips were prepared by coating commercial atomic force microscope (AFM) tips of 5 nm radius with Co and CoCrPt magnetic thin films varying the thickness in a range of 10–80 nm. The structural and the magnetic properties of coated magnetic thin films were investigated by scanning electron microscopy, AFM, X-ray diffraction, and vibrating sample magnetometry. The tip radius and the film surface roughness increase with increasing the film thickness. With increasing the film thickness, the MFM signal sensitivity increases, whereas the resolution decreases due to increase of tip radius. The MFM observation resolutions of 10 nm and 23 nm are obtained with the tips coated with 20-nm-thick Co and 40-nm-thick CoCrPt films, respectively. The MFM resolution is influenced by both the tip radius and the magnetic moment of coated material.

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 enseignants0,365
Score d'incertitude au seuil0,449

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,015
Tête enseignante GPT0,251
Écart entre enseignants0,236 · 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

Citations9
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207