MétaCan
Menu
Retour à la cohorte
Enregistrement W4402154097 · doi:10.31399/asm.cp.itsc2024p0257

Influence of Substrate Patterns on the Coating Microstructure in Aerosol-Deposited Alumina Coatings

2024· article· en· W4402154097 sur OpenAlexaff
Zhenying Yang, Ali Dolatabadi, Thomas W. Coyle

Notice bibliographique

RevueThermal spray · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh-Temperature Coating Behaviors
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceMicrostructureScanning electron microscopeCoatingSubstrate (aquarium)Composite materialWaferNanocrystalline materialDeposition (geology)CeramicNanotechnology

Résumé

récupéré en direct d'OpenAlex

Abstract Aerosol deposition (AD) is a novel method for producing dense nanocrystalline ceramic films at room temperature. Previous studies primarily used flat substrates with varying hardness and roughness. However, the development of micro-device applications is increasing the demand for deposition on structured/patterned surfaces. To investigate the impact of substrate patterns on coating microstructure and growth mechanisms in AD, alumina coatings were deposited on patterned Si substrates. Si wafers with patterns of micropillars were employed. The coatings were characterized using laser scanning microscopy, scanning electron microscopy, and x-ray diffraction. The microstructure and density of coatings in the valleys were influenced by the size of and the spacing between the patterns. The results revealed that coatings initially formed in the valleys before covering the entire pattern. Fragments of the initial powder particles became trapped between the patterns, adhering to the groove bottoms and pillar sides. Subsequent particle impacts and densification processes transformed these fragments, ultimately filling the gaps between the walls. With further deposition, a uniform coating surface was achieved.

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 enseignants0,002
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 Opus0,008
Tête enseignante GPT0,219
Écart entre enseignants0,211 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThermal sprayMême sujetHigh-Temperature Coating BehaviorsTravaux en français237 207