MétaCan
Menu
Retour à la cohorte
Enregistrement W2931336337 · doi:10.31438/trf.hh2016.59

A HIGHLY SENSITIVE SMALL-FOOTPRINT VOX-BASED MICRO-PIRANI GAUGE FOR IN-SITU MONITORING OF VACUUM WAFER-LEVEL PACKAGED BOLOMETERS

2016· article· en· W2931336337 sur OpenAlexafffund
Pascal Newby, Cedric Spits, Olivier Bernard, Ronan Larger, K. Kornelsen, Paul G. Charette, Luc G. Fréchette

Notice bibliographique

Revue2016 Solid-State, Actuators, and Microsystems Workshop Technical Digest · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueTransition Metal Oxide Nanomaterials
Établissements canadiensDalsa CorporationInstitut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésWaferBolometerMaterials scienceWafer-level packagingFootprintOptoelectronicsSpark plugLeakTemperature measurementTorrElectrical engineeringMechanical engineeringEngineeringPhysicsDetector

Résumé

récupéré en direct d'OpenAlex

We have designed, fabricated, and tested micro-Pirani gauges, optimised for hermeticity monitoring in wafer-level packaged bolometer dies. Tests show that the gauges have a resolution of at least 1 mTorr. Furthermore, our gauges have a significantly smaller footprint than gauges previously published which achieve a similar resolution. This is due to the use of high TCR (temperature coefficient of resistance) vanadium oxide and an optimised compact design. These features make our Pirani gauges ideal for hermeticity monitoring in bolometer dies, and we have demonstrated this capacity by performing leak rate tests on wafer-level packaged dies with our gauges.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,029
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,028
Tête enseignante GPT0,268
Écart entre enseignants0,240 · 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.

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

Citations3
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2016 Solid-State, Actuators, and Microsystems Workshop Technical DigestMême sujetTransition Metal Oxide NanomaterialsTravaux en français237 207