MétaCan
Menu
Retour à la cohorte
Enregistrement W3007584751 · doi:10.1115/1.4046482

Improved Inkjet-Printed Pattern Fidelity: Suppressing Bulges by Segmented and Symmetric Drop Placement

2020· article· en· W3007584751 sur OpenAlexafffund
Ragheb Abunahla, Md Saifur Rahman, Paria Naderi, Gerd Grau

Notice bibliographique

RevueJournal of Micro and Nano-Manufacturing · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueNanomaterials and Printing Technologies
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésInkwellDrop (telecommunication)Computer sciencePrinted electronicsInkjet printingMaterials sciencePrinted circuit board3d printedSubstrate (aquarium)3D printingNanotechnologyOptoelectronicsComposite materialEngineeringTelecommunicationsBiomedical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Inkjet printing is a promising technique for printed micro-electronics due to low cost, customizability and compatibility with large-area, flexible substrates. However, printed line shapes can suffer from bulges at the start of lines and at corner points in 2D line patterns. The printed pattern can be multiple times wider than the designed linewidth. This can severely impact manufacturing accuracy and achievable circuit density. Bulging can be difficult to prevent without changing the ink-substrate-system, the drying conditions or the circuit design, all of which can be undesirable. Here, we demonstrate a novel printing methodology that solves this issue by changing the order in which drops are placed on the substrate. The pattern is split up into segments of three drops where the central drop is printed last. This symmetric printing prevents the unwanted ink flow that causes bulging. Larger bulge-free patterns are created by successively connecting segments. Line formation in both traditional linear printing and our novel segmented and symmetric printing was analyzed to understand and optimize results. The printing of X-, T-, and L-shapes is considerably improved compared with the traditional linear printing methodology.

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 enseignants0,034
Score d'incertitude au seuil0,738

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 Opus0,009
Tête enseignante GPT0,200
Écart entre enseignants0,191 · 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

Citations13
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Micro and Nano-ManufacturingMême sujetNanomaterials and Printing TechnologiesTravaux en français237 207