MétaCan
Menu
Retour à la cohorte
Enregistrement W2766505605 · doi:10.1364/oe.25.028838

Manufacturing with light - micro-assembly of opto-electronic microstructures

2017· article· en· W2766505605 sur OpenAlexaff
Shuailong Zhang, Yongpeng Liu, Qian Yang, Weizhen Li, Joan Juvert, Pengfei Tian, Jean-Claude Navarro, Alasdair W. Clark, Erdan Gu, Martin D. Dawson, Jonathan M. Cooper, Steven L. Neale

Notice bibliographique

RevueOptics Express · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésOpticsMaterials scienceMicrostructureOptoelectronicsPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

Optical micromanipulation allows the movement and patterning of discrete micro-particles within a liquid environment. However, for manufacturing applications it is desirable to remove the liquid, leaving the patterned particles in place. In this work, we have demonstrated the use of optoelectronic tweezers (OET) to manipulate and accurately assemble Sn62Pb36Ag2 solder microspheres into tailored patterns. A technique based on freeze-drying technology was then developed that allows the assembled patterns to be well preserved and fixed in place after the liquid medium in the OET device is removed. After removing the liquid from the OET device and subsequently heating the assembled pattern and melting the solder microspheres, electrical connections between the microspheres were formed, creating a permanent conductive bridge between two isolated metal electrodes. Although this method is demonstrated with 40 mu m diameter solder beads arranged with OET, it could be applied to a great range of discrete components from nanowires to optoelectronic devices, thus overcoming one of the basic hurdles in using optical micromanipulation techniques in a manufacturing micro-assembly setting. Published by The Optical Society under the terms of the Creative Commons Attribution 4.0 License.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,638

Scores Codex et Gemma par catégorie

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,006
Tête enseignante GPT0,202
Écart entre enseignants0,196 · 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 tête enseignante, 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

Citations37
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207