MétaCan
Menu
Retour à la cohorte
Enregistrement W4390245037 · doi:10.1002/admt.202301290

Additive Manufacturing of Multi‐Metal Microstructures by Localized Electrochemical Deposition Under Hydrodynamic Confinement

2023· article· en· W4390245037 sur OpenAlexaff
Daniel Widerker, Govind V. Kaigala, Moran Bercovici

Notice bibliographique

RevueAdvanced Materials Technologies · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueNanomaterials and Printing Technologies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesIsrael Science FoundationSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésElectrolyteMaterials scienceDeposition (geology)Microscale chemistryAnodeElectrochemistryNanotechnologyMetalTinChemical engineeringNickelElectroplatingElectrodeMetallurgyLayer (electronics)Chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract This study presents a device and method for multi‐metal printing of microscale structures. The method is based on combining hydrodynamic confinement of electrolytes with localized electrochemical deposition (HLECD), allowing rapid switching of the deposited metal. The device used in HLECD integrates a micro‐anode on a vertical microfluidic chip containing two open‐ended channels that control the flow of electrolytes surrounding the anode. When placed on top of a conducting surface, a localized electrochemical reaction is initiated, wherein the deposited metal composition is dictated by the electrolyte in the confinement. A range of electrolytes, which are used to deposit copper, tin, silver, and nickel, are used to fabricate multiple structures involving more than 60 material changes within a single printing process. The structures are analyzed using electron microscopy, showing the ability to achieve sharp transitions between pure metals. The constant replenishment of electrolytes also eliminates the problem of ion depletion commonly occurring in localized electrochemical deposition, and enables printing rates that are nearly an order of magnitude greater.

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 enseignants0,000
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)0,0000,000

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 Opus0,004
Tête enseignante GPT0,213
Écart entre enseignants0,209 · 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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Materials TechnologiesMême sujetNanomaterials and Printing TechnologiesTravaux en français237 207