Joining of Silver Nanomaterials at Low Temperatures: Processes, Properties, and Applications
Notice bibliographique
Résumé
A review is provided, which first considers low-temperature diffusion bonding with silver nanomaterials as filler materials via thermal sintering for microelectronic applications, and then other recent innovations in low-temperature joining are discussed. The theoretical background and transition of applications from micro to nanoparticle (NP) pastes based on joining using silver filler materials and nanojoining mechanisms are elucidated. The mechanical and electrical properties of sintered silver nanomaterial joints at low temperatures are discussed in terms of the key influencing factors, such as porosity and coverage of substrates, parameters for the sintering processes, and the size and shape of nanomaterials. Further, the use of sintered silver nanomaterials for printable electronics and as robust surface-enhanced Raman spectroscopy substrates by exploiting their optical properties is also considered. Other low-temperature nanojoining strategies such as optical welding of silver nanowires (NWs) through a plasmonic heating effect by visible light irradiation, ultrafast laser nanojoining, and ion-activated joining of silver NPs using ionic solvents are also summarized. In addition, pressure-driven joining of silver NWs with large plastic deformation and self-joining of gold or silver NWs via oriented attachment of clean and activated surfaces are summarized. Finally, at the end of this review, the future outlook for joining applications with silver nanomaterials is explored.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».