MétaCan
Menu
Retour à la cohorte
Enregistrement W2462727415 · doi:10.1016/j.mssp.2016.05.003

Dislocation-mediated plasticity in silicon during nanometric cutting: A molecular dynamics simulation study

2016· article· en· W2462727415 sur OpenAlexfundno aff
Saeed Zare Chavoshi, Shuozhi Xu, Xichun Luo

Notice bibliographique

RevueMaterials Science in Semiconductor Processing · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Surface Polishing Techniques
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research CouncilQueen's UniversityNational Natural Science Foundation of ChinaUniversity of StrathclydeNational Science Foundation
Mots-clésMaterials scienceSiliconNucleationMolecular dynamicsDislocationPlasticityStackingPartial dislocationsChemical physicsPhase (matter)CrystallographyNanoscopic scaleNanotechnologyComposite materialMetallurgyComputational chemistryThermodynamics

Résumé

récupéré en direct d'OpenAlex

The nucleation and propagation of dislocations and its consequence on the defect structure in silicon during nanometric cutting are not well known, although the amorphization and high pressure phase transformation studies on silicon have remained at the epicentre of research across various disparate disciplines for over a decade. This paper proposes a new mechanism of crystal plasticity identified by a fully automated dislocation extraction algorithm in molecular dynamics simulations of nanometric cutting of silicon for different cutting planes/directions at a wide range of temperatures (300–1500 K). Alongside amorphization of silicon, our simulations revealed nanoscale stochastic nucleation of dislocations and stacking faults, which serve as mediators of microscopic plasticity during various contact loading operations and manufacturing processes of silicon. Of interest is that, irrespective of the cutting temperature, the stacking faults, which were not formed for either the (010)[100] or (111)[1̅10] crystal setups, were generated with three atomic layers in the (110)[001̅] cutting.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,013
Tête enseignante GPT0,275
Écart entre enseignants0,262 · 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'étudeSimulation ou modélisation
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

Citations60
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials Science in Semiconductor ProcessingMême sujetAdvanced Surface Polishing TechniquesTravaux en français237 207