Ba<inf>1−x</inf>Sr<inf>x</inf>TiO<inf>3</inf> (x =0.4) nanoparticles dispersion for 3D integration of decoupling capacitors on glass interposer
Notice bibliographique
Résumé
With the aim of scaling up and increasing the frequency of data processing within 3D integration, the placement of decoupling capacitors close to the chip is required in order to increase electrical performances of the module. Thin films deposition of materials with high permittivity (high k materials) (8 μF/cm2). Ba0.6Sr0.4TiO3nanoparticles synthesized using supercritical fluid technique and presenting attractive properties, e.g. size ~15±2 nm, εr= 260 at 1 kHz for T = 300K, have been chosen to overcome technological limits for the realization of such high capacitance density thin films. In this paper, different approaches are proposed to disperse the nanoparticles, since their spontaneous agglomeration is critical. In order to reduce the size of these agglomerates (~500 nm), nanoparticles are dispersed in methanol or water. In both cases, the effects of the solution concentration and the ultrasonic homogenizer power on the dispersion of nanoparticles are examined. Ultrasonication is used to break the agglomerates. Dynamic light scattering is used to monitor the changes of agglomerates size. The process to take samples from solution was optimized. In the case of dispersion in methanol, the ultrasonication (power =100W - pulse 1s/3s) of concentrated solution (C ≥ 0.1 g/L) during 10 min, leads to agglomerates corresponding to 3-5 particles (60±10nm). In the second case, the measurement of Zeta potential gives access to the optimal pH conditions (pH9.7) for which the dispersion of Ba0.6Sr0.4TiO3nanoparticles is stabilized.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,057 | 0,034 |
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 source (Gemma direct ou Codex distillé), 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 ».