MétaCan
Menu
Retour à la cohorte
Enregistrement W3006616583 · doi:10.3390/cryst10020111

Numerical Study of Three-Dimensional Melt Flows during the TSSG Process of SiC Crystal for the Influence of Input Parameters of RF-Coils and an External Rotating Magnetic Field

2020· article· en· W3006616583 sur OpenAlexaff
Lei Wang, Yuto Takehara, Atsushi Sekimoto, Yasunori Okano, Toru Ujihara, S. Dost

Notice bibliographique

RevueCrystals · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueSilicon and Solar Cell Technologies
Établissements canadiensUniversity of Victoria
Organismes subventionnairesResearch Institute for Information Technology, Kyushu UniversityJapan Society for the Promotion of Science
Mots-clésSupersaturationMagnetic fieldRotating magnetic fieldMaterials scienceSilicon carbideSeed crystalMechanicsRotation (mathematics)Flow (mathematics)Electromagnetic inductionField (mathematics)Marangoni effectCrystal (programming language)Microscale chemistryElectromagnetic fieldCondensed matter physicsComposite materialPhysicsNuclear magnetic resonanceSingle crystalConvectionThermodynamicsElectromagnetic coil

Résumé

récupéré en direct d'OpenAlex

Three-dimensional numerical simulations were conducted for the Top-Seeded Solution Growth (TSSG) process of silicon carbide (SiC) crystals. We investigated the influence of coils frequency and peak current, and an applied rotating magnetic field (RMF) on the melt flow developing in this system. Numerical simulation results show that the Marangoni flow in the melt becomes stronger at higher coils frequencies due to the decreasing coils-induced electromagnetic field strength. Results also show that the use of external RMF may improve supersaturation uniformity along the seed if it is properly adjusted with respect to the coils-induced electromagnetic field strength. Furthermore, it is predicted that the application of RMF and seed rotation in the same direction may enhance supersaturation below the seed.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,246
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCrystalsMême sujetSilicon and Solar Cell TechnologiesTravaux en français237 207