MétaCan
Menu
Retour à la cohorte
Enregistrement W4413821529 · doi:10.1021/acsaelm.5c00988

Fast and Cost-Effective Fabrication of Ultrathin (20 μm) Silicon Substrates by Melt-Spinning

2025· article· en· W4413821529 sur OpenAlexafffund
Hyung Woo Choi, Dhanesh Chandra, Ghassan E. Jabbour

Notice bibliographique

RevueACS Applied Electronic Materials · 2025
Typearticle
Langueen
DomaineEngineering
Thématique3D IC and TSV technologies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCanada Foundation for Innovation
Mots-clésFabricationSpinningSiliconMaterials scienceNanotechnologyComposite materialOptoelectronics

Résumé

récupéré en direct d'OpenAlex

Abstract Thin silicon wafer fabrication is a crucial aspect of semiconductor manufacturing, offering enhanced material yield and reduced fabrication costs. Traditional techniques for producing thin silicon substrates often involve the use of supporting substrates for bonding/debonding or intricate processes, such as etching and thinning. In this study, we present the fabrication of an ultrathin polycrystalline silicon substrate utilizing a melt-spinner approach. Our approach has yielded a substrate of unprecedented dimensions, characterized by a width of 1 cm, a length of 5 cm, and an approximate thickness of 20 μm, and fabricated at a speed of 35 m s–1. This development marks a significant progression in the domain of silicon substrate fabrication, as it stands as the thinnest free-standing polycrystalline silicon substrate achieved to date. Our approach presents substantial potential for cost-effective substrate manufacturing, eliminating the need for the current thinning and etching steps that contribute to material waste, excessive processing time, and high electricity consumption for melting raw silicon material as melt-spun silicon substrates require a postprocessing step of polishing for less than 10 min. This advancement is poised to benefit not only silicon photovoltaic applications but also a broad range of applications, including lightweight wearable electronics, ultrathin membrane structures, microelectromechanical systems for sensing, and the development of advanced material processing.

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 seuil0,004

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,003
Tête enseignante GPT0,206
Écart entre enseignants0,203 · 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Electronic MaterialsMême sujet3D IC and TSV technologiesTravaux en français237 207