MétaCan
Menu
Retour à la cohorte
Enregistrement W3082576046 · doi:10.1002/cplu.202000495

Azopolymer‐Based Nanoimprint Lithography: Recent Developments in Methodology and Applications

2020· review· en· W3082576046 sur OpenAlexaff
Bowen Yang, Mingming Yu, Haifeng Yu

Notice bibliographique

RevueChemPlusChem · 2020
Typereview
Langueen
DomaineEngineering
ThématiqueNanofabrication and Lithography Techniques
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésNanoimprint lithographyNanotechnologyMaterials sciencePhotoisomerizationAzobenzeneNanolithographyLithographyMicrofluidicsFabricationOptoelectronicsPolymerChemistry

Résumé

récupéré en direct d'OpenAlex

Nanofabrication on soft polymeric surfaces is an essential process in many fields, for example, chip manufacturing, microfluidics, high efficiency solar cells, and anticounterfeiting. In order to achieve these applications, various nanofabrication methods have been explored. Among them, nanoimprint lithography (NIL) has drawn worldwide attention because of its cheap and fast processability. In this minireview, an overview of azopolymer-based NIL is provided. Since their discovery, azopolymers have demonstrated versatile photoresponsive characteristics due to their unique physical and chemical properties that originate from the photoisomerization of azobenzene chromophores. As such, two aspects are reported in this minireview. On the one hand, various azopolymers showing photofluidization and photoswitchable glass transition temperatures have been developed, thus facilitating methodological advancements in NIL. On the other hand, these on-demand NIL methods provide greater opportunities for azopolymer-based applications, such as templating of optics, directional photo-manipulation of nanopatterns, and micro photo-actuators. Also the challenges are discussed that remain in this field.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,092
Tête enseignante GPT0,341
Écart entre enseignants0,249 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemPlusChemMême sujetNanofabrication and Lithography TechniquesTravaux en français237 207