MétaCan
Menu
Retour à la cohorte
Enregistrement W2102287020 · doi:10.1109/ccece.2007.245

Bimetallic Thin Film Grayscale Photomasks for Complex 3D Microstructure Creation in SU-8

2007· article· en· W2102287020 sur OpenAlexaff
Jun Wang, James M. Dykes, Chinheng Choo, David K. Poon, Marian Chang, Jimmy T. K. Tsui, Glenn H. Chapman

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser Material Processing Techniques
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPhotomaskMaterials sciencePhotoresistPhotolithographyGrayscaleTransmittanceOpticsOptoelectronicsLaserThin filmSputteringLithographyNanotechnologyPixelResist

Résumé

récupéré en direct d'OpenAlex

Metallic thin films can be fully oxidized by focused laser beams, resulting in their optical density (OD) changing from highly absorbing to very transparent. Previous research found the laser-induced partial oxidation process allows the creation of grayscale photomasks. This work investigates Sn/Zn, Zn/Al and In/Zn thin films, which are DC/RF-sputter deposited and then scanned by an argon ion CW laser. The resulting transmittance for the mask varies from 0.06% (3.2 OD) to 63% (0.2 OD), offering a greater range of transparency at I-line (365 nm) than existing commercial grayscale masks such as chrome halftone binary and analog HEBS photomasks. Having 8-bit gray level precision, bimetallic films are capable of producing complex 3D microstructures using only a single exposure. Using SU-8, a thick negative photoresist, along with standard photolithography, microfeatures with height variations up to 100 mum were successfully generated.

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 enseignants0,077
Score d'incertitude au seuil0,481

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 Opus0,014
Tête enseignante GPT0,258
Écart entre enseignants0,244 · 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

Citations1
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLaser Material Processing TechniquesTravaux en français237 207