MétaCan
Menu
Retour à la cohorte
Enregistrement W2767505718 · doi:10.1109/jsen.2017.2772083

On the Feasibility of a New Technique for Applying and Sensing a Pre-Strain State for Strain Engineering

2017· article· en· W2767505718 sur OpenAlexafffund
Amr A. Balbola, Mohammed O. Kayed, Walied A. Moussa

Notice bibliographique

RevueIEEE Sensors Journal · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MEMS and NEMS Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceUltimate tensile strengthCompressive strengthStrain engineeringSiliconStrain (injury)Substrate (aquarium)Silicon nitrideComposite materialStress–strain curveStress (linguistics)Layer (electronics)Deformation (meteorology)Optoelectronics

Résumé

récupéré en direct d'OpenAlex

This paper reports a successful design, fabrication, and characterization of a new microstructure, that utilizes piezoresistivity, for locally applying a pre-strain state onto silicon substrates and measuring it. This technique allows for applying tensile and compressive transverse local strain for the first time, using the same stressing layer rather than using nitride capping for tensile or silicon germanium for compressive strain. It is well-known that the only strain that enhances both electron and hole mobility simultaneously is the transverse uniaxial strain. Moreover, the utilized sensing structure evaluates directly the actual stress transmitted to the substrate. Therefore, it is a valuable tool for strain engineering applications, where modulating and determining the pre-strain state onto the silicon at infinitesimal areas are required. The proposed structure composed of highly compressive plasma enhanced chemical deposition nitride layer that was patterned in a way allowing for inducing both local tensile and compressive uniaxial pre-strain onto the silicon. Using this method, the stress transferred to silicon is around 40 to 150 MPa, however the developed sensing structure was capable of detecting it for both tensile and compressive stresses.

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 enseignants0,316
Score d'incertitude au seuil0,460

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 ouverte0,0000,000
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 Opus0,045
Tête enseignante GPT0,298
Écart entre enseignants0,254 · 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

Citations6
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetAdvanced MEMS and NEMS TechnologiesTravaux en français237 207