MétaCan
Menu
Retour à la cohorte
Enregistrement W2980693647 · doi:10.1109/jsen.2019.2948129

Development of Doped Silicon Multi-Element Stress Sensor Rosette With Temperature Compensation

2019· article· en· W2980693647 sur OpenAlexafffund
Mohammed O. Kayed, Amr A. Balbola, Edmond Lou, Walied A. Moussa

Notice bibliographique

RevueIEEE Sensors Journal · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MEMS and NEMS Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPiezoresistive effectMaterials scienceStress (linguistics)SiliconCompensation (psychology)BendingRosette (schizont appearance)Composite materialOptoelectronics

Résumé

récupéré en direct d'OpenAlex

In this paper, a developed n-type piezoresistive three dimensional (3D) stress sensor with full temperature compensation is presented. The proposed sensing rosette benefits from the stress insensitivity of the full-circular n-type piezoresistor, oriented over (111) silicon plane, to detect only temperature changes for compensation. Moreover, the unique behavior of shear piezoresistive coefficient (π44) of n-Si is utilized to construct a piezorestive stress sensing rosette over (111) silicon plane that is capable of extracting 3D stress components. A prototype stress sensing chip was microfabricatedto test the capabilityof the developedsensing rosette to accurately extract stress applied on structures at different thermal environments. The fabricated sensing chip was subjected to different mechanical loads using a loading rig with four-point bending fixture. The testing was carried out over a temperature range of 0-50 °C. The results showed that the proposed sensing chip has the capability of capturing the stress applied at different temperatures. Also, the developed sensing rosette showed less sensitivity to the uncertainty in piezoresistive coefficients' values compared to the other developed 3D piezoresistive stress sensors.

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 enseignants0,085
Score d'incertitude au seuil0,538

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 Opus0,012
Tête enseignante GPT0,227
Écart entre enseignants0,216 · 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 revueIEEE Sensors JournalMême sujetAdvanced MEMS and NEMS TechnologiesTravaux en français237 207