MétaCan
Menu
Retour à la cohorte
Enregistrement W2782775094 · doi:10.1088/1361-6463/aaa696

Wrinkling of flexoelectric nano-film/substrate systems

2018· article· en· W2782775094 sur OpenAlexaff
Shengkai Su, Huaiwei Huang, Yijie Liu, Zheng Zhu

Notice bibliographique

RevueJournal of Physics D Applied Physics · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials and Mechanics
Établissements canadiensYork University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésNano-Materials scienceSubstrate (aquarium)NanotechnologyFlexoelectricityComposite materialPiezoelectricityGeology

Résumé

récupéré en direct d'OpenAlex

Abstract The study of wrinkling mechanisms essentially helps to establish stable and controllable performance in electronic products. To gain some basic understanding of the wrinkling process in flexoelectric dielectrics, this paper models the wrinkling of nano-film/substrate systems, typically seen in stretchable electronics, subjected to substrate prestrain and voltage loading on electrodes. Flexoelectricity is considered through the constitutive equations proposed by Shen and Hu, and Euler–Bernoulli beam theory is applied to formulate the expressions of wrinkling wavelength and amplitude through the Ritz method. The effects of flexoelectricity, surface parameters, prestrain, applied voltage, structural scale etc on wrinkling behaviors, including wrinkling deformation and the wrinkling critical condition, are discussed. Results reveal that the action of both flexoelectric and surface effects is significant over only a small scale range, with film thickness less than 10 nm. Alongside these issues, the fundamental difference between flexoelectric and piezoelectric effects on wrinkling behaviors is highlighted. Piezoelectricity may act as a promoter or suppressor of wrinkling initiation and amplitude, depending on the applied voltage, while flexoelectricity not only reduces the critical prestrain or voltage required for wrinkling, but also decreases the wrinkling wavelength and amplitude.

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 enseignants0,372
Score d'incertitude au seuil0,794

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 Opus0,011
Tête enseignante GPT0,211
Écart entre enseignants0,200 · 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

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics D Applied PhysicsMême sujetAdvanced Materials and MechanicsTravaux en français237 207