Role of vibrational properties and electron–phonon coupling on thermal transport across metal-dielectric interfaces with ultrathin metallic interlayers
Notice bibliographique
Résumé
Abstract We systematically analyze the influence of 5 nm thick metal interlayers inserted at the interface of several sets of different metal-dielectric systems to determine the parameters that most influence interface transport. Our results show that despite the similar Debye temperatures of Al 2 O 3 and AlN substrates, the thermal boundary conductance measured for the Au/Al 2 O 3 system with Ni and Cr interlayers is ∼2× and >3× higher than the corresponding Au/AlN system, respectively. We also show that for crystalline SiO 2 (quartz) and Al 2 O 3 substrates having highly dissimilar Debye temperature, the measured thermal boundary conductance between Al/Al 2 O 3 and Al/SiO 2 are similar in the presence of Ni and Cr interlayers. We suggest that comparing the maximum phonon frequency of the acoustic branches is a better parameter than the Debye temperature to predict the change in the thermal boundary conductance. We show that the electron–phonon coupling of the metallic interlayers also alters the heat transport pathways in a metal-dielectric system in a nontrivial way. Typically, interlayers with large electron–phonon coupling strength can increase the thermal boundary conductance by dragging electrons and phonons into equilibrium quickly. However, our results show that a Ta interlayer, having a high electron–phonon coupling, shows a low thermal boundary conductance due to the poor phonon frequency overlap with the top Al layer. Our experimental work can be interpreted in the context of diffuse mismatch theory and can guide the selection of materials for thermal interface engineering.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».