MétaCan
Menu
Retour à la cohorte
Enregistrement W4385761963 · doi:10.1615/rad-23.390

Enhancement of infrared emissivity of silicon nitride thin films by inducing metallic phases via titanium thermal diffusion

2023· article· en· W4385761963 sur OpenAlexaff
Reethu Sebastian, Amrid Amnache, Maxime Biron, Simon Loquai, Andre Dompierre, Anne Sophie Rollier, Luc G. Fréchette

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal and Thin Film Mechanics
Établissements canadiensDalsa CorporationInstitut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceDielectricSilicon nitrideNitrideLow emissivitySiliconOptoelectronicsEmissivityTitaniumTitanium nitrideInfraredAbsorption (acoustics)SemiconductorComposite materialThin filmMetallurgyNanotechnologyCoatingLayer (electronics)Optics

Résumé

récupéré en direct d'OpenAlex

Transition metal nitrides are drawing attention due to their promising mechanical, electrical and chemical properties which are frequently leveraged for industrial and scientific applications such as wear-resistant tool coatings, decorative coatings, thin film resistors, semiconductor gate dielectrics, energy conversion and storage.Among them, Titanium Silicon Nitride (TiSiN) is used extensively due to its excellent hardness, wear and corrosion resistance, and electrical properties.It comprises of metallic and dielectric phases coexisting.From the literature, the infrared mechanism is different for metals (free carrier absorption) and dielectrics (phonon absorption) (1).There are limited reports on the thermal properties of ternary alloys especially their infrared mechanism.Thermal studies become significant when the temperature of such films rises due to friction, light absorption etc.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,219
Écart entre enseignants0,205 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMetal and Thin Film MechanicsTravaux en français237 207