MétaCan
Menu
Retour à la cohorte
Enregistrement W2109595472 · doi:10.1088/0957-4484/26/4/042001

Low-cost fabrication technologies for nanostructures: state-of-the-art and potential

2015· article· en· W2109595472 sur OpenAlexaff
Abel Santos, M. Jamal Deen, Lluı́s F. Marsal

Notice bibliographique

RevueNanotechnology · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueNanowire Synthesis and Applications
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésNanolithographyNanotechnologyElectronicsPhotolithographyScalabilityMaterials scienceNanostructureLithographyComputer scienceFabricationEngineeringOptoelectronicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

In the last decade, some low-cost nanofabrication technologies used in several disciplines of nanotechnology have demonstrated promising results in terms of versatility and scalability for producing innovative nanostructures. While conventional nanofabrication technologies such as photolithography are and will be an important part of nanofabrication, some low-cost nanofabrication technologies have demonstrated outstanding capabilities for large-scale production, providing high throughputs with acceptable resolution and broad versatility. Some of these nanotechnological approaches are reviewed in this article, providing information about the fundamentals, limitations and potential future developments towards nanofabrication processes capable of producing a broad range of nanostructures. Furthermore, in many cases, these low-cost nanofabrication approaches can be combined with traditional nanofabrication technologies. This combination is considered a promising way of generating innovative nanostructures suitable for a broad range of applications such as in opto-electronics, nano-electronics, photonics, sensing, biotechnology or medicine.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,008
Tête enseignante GPT0,216
Écart entre enseignants0,207 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations79
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetNanowire Synthesis and ApplicationsTravaux en français237 207