Theoretical and Experimental Investigation on the Use of a Surface Acoustic Wave Sensor for SU-8 Thin-Film Adhesion Characterization
Notice bibliographique
Résumé
This paper investigates the application of a surface acoustic wave (SAW) sensor for characterizing the adhesion of SU-8 thin films. The proposed sensor consists of a thin aluminum nitride (AlN) film deposited on a silicon substrate with two sets of interdigital (IDT) electrodes patterned on the AlN film in a delay line configuration. The SU-8 layer is patterned between the input and output IDT electrodes. A theoretical model for calculating the wave dispersion profile for the SU-8/AlN/Si configuration is developed. The effect of changing the adhesion of the SU-8 film on the wave velocity is implemented by assuming the SU-8/AlN interface consists of a layer of distributed massless springs. Different levels of adhesion are accounted for by changing the stiffness of the interfacial springs and the corresponding changes in the wave dispersion profiles are plotted. Four designs for the SAW sensor are fabricated, for each design two sensor configurations are developed to investigate the change in adhesion of the SU-8 film. In the first configuration, a thin gold film is patterned above the AlN film prior to patterning the SU-8 layer. In the second configuration, an Omnicoat layer is patterned above the gold film prior to SU-8 patterning. Omnicoat is an adhesion promoter commonly used to increase the adhesion of SU-8 to gold. The shift in the center frequency values from both configurations is used to characterize the adhesion of SU-8. The theoretical model is then used to find the equivalent spring stiffness values that fit the theoretical to the measured wave velocities.
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 | 0,001 |
| 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 ».