Field-directed assembly of nanowires: identifying directors, disruptors and indices to maximize the device yield
Notice bibliographique
Résumé
Individually-addressable nano-electro-mechanical (NEMS) devices have been used to demonstrate sensitive mass detection to the single-proton level, as well as neutral-particle mass spectrometry. The cost of individually securing or patterning such devices is proportional to their number or the chip area covered. This limits statistical support for new research, as well as paths to the commercial availability of extraordinarily sensitive instruments. Field-directed assembly of synthesized nanowires addresses this problem and shows potential for low-cost, large-area coverage with NEMS devices. For positive dielectrophoresis (pDEP) as the main assembly director, the space of field, geometric and material parameters is large, with combinations that can serve either as directors or disruptors for directed assembly. We seek parameter values to obtain the best yield, by introducing a rational framework to reduce trial-and-error. We show that sorting the disruptors by severity and eliminating those weakly coupled to the director, allows reduction of the parameter space. The remaining disruptors are then represented compactly by dimensionless parameters. In the example protocol chosen, a single dimensionless parameter, the yield index, allows minimization of disruptors by the choice of frequency. Following this, the voltage may be selected to maximize the yield. Using this framework, we obtained 94% pre-clamped and 88% post-clamped yield over 57000 nanowire sites. Organizing the parameter space using a director-disruptor framework, with economy introduced by non-dimensional parameters, provides a path to controllably decrease the effort and cost of manufacturing nanoscale devices. This should help in the commercialization of individually addressable nanodevices.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».