MétaCan
Menu
Retour à la cohorte
Enregistrement W4317358907 · doi:10.1111/jmi.13171

Facet type determination based on combined atomic force microscopy and electron backscatter diffraction

2023· article· en· W4317358907 sur OpenAlexaff
Ralf Brüning, Mehrad Hajati, Peter G. Lelièvre, Tobias Bernhard, Sascha Dieter, Grégoire Dietrich

Notice bibliographique

RevueJournal of Microscopy · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensMount Allison University
Organismes subventionnairesnon disponible
Mots-clésFacet (psychology)Electron backscatter diffractionMaterials scienceCrystalliteEpitaxyDiffractionSurface finishOrientation (vector space)Crystal (programming language)CrystallographyOpticsComposite materialComputer scienceChemistryMetallurgyGeometryMicrostructurePhysics

Résumé

récupéré en direct d'OpenAlex

The distribution of facet types affects the functionality of the surfaces of polycrystalline films. However, we are not aware of a previously published convenient method to determine their distribution. This work describes and demonstrates a process to determine and map the Miller indexes (hkl) of crystal facets exposed at the surfaces of polycrystalline films. To find facet types in non-trivial cases, one must know the orientation of the crystal and the direction in which the facet is facing. The method presented here combines the crystal orientations obtained with electron backscatter diffraction with the topography of the same sample area measured with atomic force microscopy. A challenging step is to transfer the data from the two instruments into a common coordinate system. The sequence of steps in the data processing is presented, with methods to verify the results. The process is illustrated with the analysis of an etched copper clad laminate (CCL) and an electroless Cu film deposited on the CCL. This example relates to facet selection in electroless and galvanic plating processes in printed circuit board production, where an uncontrolled transition from epitaxial to non-epitaxial growth can lead to surfaces with unacceptable roughness.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,312
Écart entre enseignants0,304 · 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'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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of MicroscopyMême sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207