MétaCan
Menu
Retour à la cohorte
Enregistrement W2945253606 · doi:10.1080/14786435.2019.1615149

Influence of variable diffusion coefficient on solid-liquid interface migration kinetics during transient liquid phase bonding

2019· article· en· W2945253606 sur OpenAlexafffund
A. Ghanbar, D. E. Michael, O.A. Ojo

Notice bibliographique

RevueThe Philosophical Magazine A Journal of Theoretical Experimental and Applied Physics · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueElectronic Packaging and Soldering Technologies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDiffusionIsothermal processThermodynamicsThermal diffusivityMaterials scienceTransient (computer programming)DiscretizationPhase (matter)Standard deviationDisplacement (psychology)Constant (computer programming)Fick's laws of diffusionKineticsMechanicsStatistical physicsMathematicsChemistryMathematical analysisPhysicsClassical mechanicsStatisticsComputer science

Résumé

récupéré en direct d'OpenAlex

A new finite difference numerical model with variable diffusion coefficient is developed by using an explicit-fully-implicit hybrid method and Landau transformation with adaptable spatial discretization to study the solid–liquid interface migration kinetics during transient liquid phase bonding. It is found that notwithstanding the fact that diffusion coefficient varies with concentration, the kinetics of the solid–liquid interface displacement can still be represented by a constant parameter, known as isothermal solidification rate constant. Nevertheless, the results of the numerical model, which are verified with experimental data, reveal a key reason why the extent of diffusion-controlled isothermal solidification during TLP bonding deviates from a linear relationship witht, i.e. deviation from parabolic law behaviour. The deviation occurs when the concentration dependency of diffusivity changes with time. This key finding constitutes a new explanation for the occurrence of deviation from the parabolic law behaviour and it can explicate the deviation occurrence in systems where prior suggested reasons in the literature do not apply.

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 enseignants0,336
Score d'incertitude au seuil0,554

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 Opus0,007
Tête enseignante GPT0,245
Écart entre enseignants0,238 · 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

Citations9
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Philosophical Magazine A Journal of Theoretical Experimental and Applied PhysicsMême sujetElectronic Packaging and Soldering TechnologiesTravaux en français237 207