MétaCan
Menu
Retour à la cohorte
Enregistrement W3046138556 · doi:10.1038/s41598-020-69390-4

Spatially controlled nano-structuring of silicon with femtosecond vortex pulses

2020· article· en· W3046138556 sur OpenAlexafffund
M. G. Rahimian, Ashish Jain, Hugo Larocque, P. B. Corkum, Ebrahim Karimi, V. R. Bhardwaj

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser Material Processing Techniques
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesCanada Research Chairs
Mots-clésFemtosecondMaterials scienceLaserSiliconOpticsFabricationLithographyOptoelectronicsSubstrate (aquarium)NanotechnologyNano-Superposition principleResistNanolithographyVortexPhysics

Résumé

récupéré en direct d'OpenAlex

Engineering material properties is key for development of smart materials and next generation nanodevices. This requires nanoscale spatial precision and control to fabricate structures/defects. Lithographic techniques are widely used for nanostructuring in which a geometric pattern on a mask is transferred to a resist by photons or charged particles and subsequently engraved on the substrate. However, direct mask-less fabrication has only been possible with electron and ion beams. That is because light has an inherent disadvantage; the diffraction limit makes it difficult to interact with matter on dimensions smaller than the wavelength of light. Here we demonstrate spatially controlled formation of nanocones on a silicon surface with a positional precision of 50 nm using femtosecond laser ablation comprising a superposition of optical vector vortex and Gaussian beams. Such control and precision opens new opportunities for nano-printing of materials using techniques such as laser-induced forward transfer and in general broadens the scope of laser processing of materials.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,197
Écart entre enseignants0,189 · 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'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

Citations31
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetLaser Material Processing TechniquesTravaux en français237 207