MétaCan
Menu
Retour à la cohorte
Enregistrement W4283581074 · doi:10.11159/ffhmt22.121

Effects of Inlet Flow Rates on Purge Durations in an Atomic Layer Deposition Process

2022· article· en· W4283581074 sur OpenAlexvenueno aff
Betelhiem N. Mengesha, Mohammad Reza Shaeri

Notice bibliographique

RevueProceedings of the ... International Conference on Fluid Flow, Heat and Mass Transfer · 2022
Typearticle
Langueen
DomaineEngineering
ThématiquePlasma Diagnostics and Applications
Établissements canadiensnon disponible
Organismes subventionnairesCore Research for Evolutional Science and TechnologyU.S. Department of EnergyNational Science Foundation
Mots-clésPurgeAtomic layer depositionDeposition (geology)InletLayer (electronics)Flow (mathematics)Process (computing)Volumetric flow rateMaterials scienceEnvironmental scienceMechanicsComputer scienceWaste managementGeologyMechanical engineeringEngineeringPhysicsComposite materialOperating system

Résumé

récupéré en direct d'OpenAlex

The effects of inlet flow rates on the purge durations in an atomic layer deposition (ALD) process are investigated through the simulation of three-dimensional laminar multicomponent flow in viscous flow reactors. The operating pressure and temperature are 10 torr (1333 Pa) and 300 C, respectively. Purge durations in reactors with inlet located on the top surface of the reactor are compared with those in a base reactor with one inlet at the bottom surface of the reactor. It is found that purge durations are reduced by an increase in the flow rates, but they are independent from the number of inlets if the flow rates are maintained equal among different reactors. One exception is the reactor with one inlet at the center of the top surface of the reactor, which experiences the longest purge durations, most likely due to the axisymmetric gas injection in this reactor. The acquired results will provide a better understanding about designing efficient viscous flow reactors to reduce both purge duration and gas consumption.

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 enseignants0,333
Score d'incertitude au seuil0,430

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 Opus0,013
Tête enseignante GPT0,234
Écart entre enseignants0,221 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... International Conference on Fluid Flow, Heat and Mass TransferMême sujetPlasma Diagnostics and ApplicationsTravaux en français237 207