MétaCan
Menu
Retour à la cohorte
Enregistrement W2606642945 · doi:10.11159/icnnfc17.129

A Fabrication Process for Nanopatterns Shrinkage with Variable Sizesfor Large Area

2017· article· en· W2606642945 sur OpenAlexvenueno aff
Shuhao Si, Lars Dittrich, Martin Hoffmann

Notice bibliographique

RevueProceedings of the World Congress on Recent Advances in Nanotechnology · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofabrication and Lithography Techniques
Établissements canadiensnon disponible
Organismes subventionnairesBundesministerium für Bildung und Forschung
Mots-clésShrinkageFabricationProcess (computing)Materials scienceVariable (mathematics)Computer scienceComposite materialMathematics

Résumé

récupéré en direct d'OpenAlex

In this paper, a cost efficient process chain is designed to shrink periodic nanopatterns to tunable feature sizes.The feature size of the final patterns can be controlled and adjusted.100 mm full wafers featuring square holes with 130 nm, 160 nm, 190 nm and 220 nm feature sizes are fabricated from the original wafer containing circular holes with a diameter of 350 nm.The fabrication chain involves well-known technologies such as etching and soft UV nanoimprint lithography (UV-NIL).Based on a single original master, an intermediate template is fabricated featuring an inversed pyramid pattern using soft UV-NIL and subsequent wet chemical etch.By utilizing the slope of the inversed pyramid structures, the mask on the final substrate can be opened featuring tunable dimensions.Cryogenic etching based on SF6/O2 chemistry enables the creation of the final shrunk nanopatterns with smooth and vertical profile.The fabrication cycles involve only short imprinting and etch processes coping without costly electron beam writings.Therefore, the original micro-and nanostructure wafer can be shrunk into nanopatterns with tunable feature sizes at a constant pitch in a cost effective manner.The generated periodic nanopatterns can be adopted to the fields of NIL templates, photonic crystals, optics, energy conversion and storage, etc.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,269
Écart entre enseignants0,259 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Recent Advances in NanotechnologyMême sujetNanofabrication and Lithography TechniquesTravaux en français237 207