MétaCan
Menu
Retour à la cohorte
Enregistrement W2124328929 · doi:10.2174/1876531901103010070

Low Temperature Bonding of Cu Metal through Sintering of Ag Nanoparticles for High Temperature Electronic Application

2010· article· en· W2124328929 sur OpenAlexaff
Guisheng Zou, Jianfeng Yan, Fengwen Mu, Aiping Wu, Ren Jialie, Anming Hu

Notice bibliographique

RevueThe Open Surface Science Journal · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueElectronic Packaging and Soldering Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesTsinghua UniversityNational Natural Science Foundation of China
Mots-clésMaterials scienceSinteringNanoparticleCoatingComposite materialSubstrate (aquarium)Metallic bondingMetallurgyMetalNanotechnology

Résumé

récupéré en direct d'OpenAlex

Lead-based solders bring pollution to the environment and result in health threat to humans.The preparation and application of metallic nanoparticles provide a potential method to develop Pb-free bonding materials.In this article, bonding of Ag-coated Cu bulks was realized through low temperature sintering by directly using the chemically-reduced Ag nanoparticle paste and baked nanoparticle powders at 60 o C, respectively.The results indicate that the capillary flow of paste caused a ring-like deposit on substrate coating, while this phenomenon disappeared when using the powders.Increasing bonding temperature facilitated the sintering, and shear strengths of 20 MPa and 84 MPa was obtained at bonding temperature of 250 o C for 30 min under 20 MPa when using the Ag paste and powders, respectively.High joint strength value of bonded region using paste is due to the high effective bonding pressure and small effective bonded area.Finally, for the extensive application in packaging industry especially for high temperature electronics, challenges such as the improvement of screen and stencil printing ability of paste, avoiding bonding pressure and lowering the cost were pointed out based on our and other researcher's achievements.Cu nanoparticle or Cu-containing nanoparticle mixture pastes are promising but the problems of oxidation and bonding stability must be resolved urgently.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,264
Écart entre enseignants0,254 · 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'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

Citations62
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Open Surface Science JournalMême sujetElectronic Packaging and Soldering TechnologiesTravaux en français237 207