MétaCan
Menu
Retour à la cohorte
Enregistrement W2135414714 · doi:10.1109/itherm.2002.1012448

Design, assembly and commissioning of a test apparatus for characterizing thermal interface materials

2003· article· en· W2135414714 sur OpenAlexaff
J. R. Culham, P. Teertstra, I. Savija, M. M. Yovanovich

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdhesion, Friction, and Surface Interactions
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésWavinessMaterials scienceMicroelectronicsInterface (matter)ThermalMechanical engineeringSurface finishThermal greaseSurface roughnessCharacterization (materials science)Composite materialThermal conductivityNanotechnologyEngineering

Résumé

récupéré en direct d'OpenAlex

While thermal interface materials (TIMs), such as greases, compliant polymers, metallic foils and phase change materials, are commonly used in most electronic and microelectronic applications their in-situ thermomechanical characteristics are not well understood. Analytical models are available for idealized surface geometries, including conforming rough surfaces and non-conforming, smooth surfaces, but models are typically not available for real surfaces that combine both surface roughness and waviness, especially for interfaces that incorporate interstitial materials to promote compliance. As a result, thermal interface materials are usually characterized experimentally, in adherence to guidelines described in ASTM standard D 5470-95 which does not provide for changes in material thickness during the application of a load. This paper details the design and construction of a test apparatus that exceeds all specifications stipulated in ASTM D 5470-95 and can be used to accurately characterize thermal interface materials, including the precise measurement of changes in in-situ materials thickness resulting from loading and thermal expansion.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0030,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,023
Tête enseignante GPT0,253
Écart entre enseignants0,230 · 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

Citations52
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdhesion, Friction, and Surface InteractionsTravaux en français237 207