MétaCan
Menu
Retour à la cohorte
Enregistrement W2900473430 · doi:10.3390/s19030444

Contactless In Situ Electrical Characterization Method of Printed Electronic Devices with Terahertz Spectroscopy

2019· article· en· W2900473430 sur OpenAlexafffund
Mariia Zhuldybina, X. Ropagnol, Charles Trudeau, M. Bolduc, Ricardo J. Zednik, F. Blanchard

Notice bibliographique

RevueSensors · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueTerahertz technology and applications
Établissements canadiensInstitut National de la Recherche ScientifiqueÉcole de Technologie Supérieure
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTerahertz radiationCharacterization (materials science)InkwellMaterials sciencePrinted electronicsOptoelectronicsElectronics3D printingConductive inkElectronic componentTerahertz spectroscopy and technologyElectronic engineeringNanotechnologyElectrical engineeringEngineeringSheet resistance

Résumé

récupéré en direct d'OpenAlex

Printed electronic devices are attracting significant interest due to their versatility and low cost; however, quality control during manufacturing is a significant challenge, preventing the widespread adoption of this promising technology. We show that terahertz (THz) radiation can be used for the in situ inspection of printed electronic devices, as confirmed through a comparison with conventional electrical conductivity methods. Our in situ method consists of printing a simple test pattern exhibiting a distinct signature in the THz range that enables the precise characterization of the static electrical conductivities of the printed ink. We demonstrate that contactless dual-wavelength THz spectroscopy analysis, which requires only a single THz measurement, is more precise and repeatable than the conventional four-point probe conductivity measurement method. Our results open the door to a simple strategy for performing contactless quality control in real time of printed electronic devices at any stage of its production line.

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 enseignants0,114
Score d'incertitude au seuil0,372

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 Opus0,003
Tête enseignante GPT0,224
Écart entre enseignants0,221 · 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

Citations22
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetTerahertz technology and applicationsTravaux en français237 207