MétaCan
Menu
Retour à la cohorte
Enregistrement W3198058735 · doi:10.1088/1361-6528/ac244d

Constrained shrinking of nanoimprinted pre-stressed polymer films to achieve programmable, high-resolution, miniaturized nanopatterns

2021· article· en· W3198058735 sur OpenAlexafffund
Shady Sayed, P. Ravi Selvaganapathy

Notice bibliographique

RevueNanotechnology · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofabrication and Lithography Techniques
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Research Foundation
Mots-clésMaterials scienceNanoimprint lithographyMicroscale chemistryNanoscopic scaleNanotechnologyLithographyPolymerNanostructureShrinkageOptoelectronicsComposite materialFabrication

Résumé

récupéré en direct d'OpenAlex

Nanoimprint lithography is an emerging technology to form patterns and features in the nanoscale. Production of nanoscale patterns is challenging particularly in the sub-50 nm range. Pre-stressed polymer films with embedded microscale pattern can be miniaturized by shrinking induced due to thermal stress release. However, when pre-stressed films are thermally nanoimprinted with sub-micron features and shruken, they lose all the topographical features due to material recovery. Here we report a new approach that prevents recovery and allows retention of shrunken patterns even at the scale of <50 nm. We have discovered that when the shrinking process is mechanically constrained in one direction, the thermal treatment only relieves the stress in the orthogonal direction leading to a uniaxial shrinkage in that direction while preserving the topographical features. A second step, with the constraint in the orthogonal direction leads to biaxial shrinkage and preservation of all of the topographical features. This new technique can produce well defined and high resolution nanostructures at dimensions below 50 nm. The process is programmable and the thermal treatment can be tuned to shrink features to various dimension below the original imprint which we use to produce tunable and gradient plasmonic structures.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,020
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,005
Tête enseignante GPT0,219
Écart entre enseignants0,213 · 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.

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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetNanofabrication and Lithography TechniquesTravaux en français237 207