MétaCan
Menu
Retour à la cohorte
Enregistrement W4415386322 · doi:10.5194/jsss-14-219-2025

Development and analysis of microbridge resonators for reduced pull-in voltage and preserved resonant frequency

2025· article· en· W4415386322 sur OpenAlexaff
Haleh Nazemi, Michael Schembri, Youssef Ezzat Elnemr, Arezoo Emadi

Notice bibliographique

RevueJournal of sensors and sensor systems · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MEMS and NEMS Technologies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésResonatorVoltageElectrodeFinite element methodReduction (mathematics)Work (physics)

Résumé

récupéré en direct d'OpenAlex

Abstract. This study presents a novel design methodology for microbridge resonators aimed at reducing pull-in voltage while maintaining resonant frequency. Previous studies have primarily focused on adjusting resonator plate geometry, modifying anchor conditions, or altering material properties to control pull-in voltage. In contrast, this work introduces the ratio of the bottom electrode length to the microbridge length as a critical and tunable design parameter, which has remained unexplored in previous studies. An analytical model is developed to capture the effects of this ratio, and its predictions are validated through finite element analysis. To demonstrate the concept, two microbridges are designed and fabricated with bottom electrode lengths of 42 and 82 µm, corresponding to 35 % and 68 % of the microbridge length, respectively. All other design parameters, such as plate thickness, material properties and cavity height, are kept constant to enable a fair comparison. Electrical characterizations confirm that increasing the bottom electrode-to-microbridge length ratio effectively lowers the pull-in voltage without degrading resonator performance. Results show a 16 % reduction in pull-in voltage when the bottom electrode length is 68 % of the microbridge length, demonstrating the feasibility and advantages of the proposed methodology over existing techniques.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,456
Score d'incertitude au seuil0,460

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
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 Opus0,014
Tête enseignante GPT0,239
Écart entre enseignants0,226 · 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 tête enseignante, 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'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of sensors and sensor systemsMême sujetAdvanced MEMS and NEMS TechnologiesTravaux en français237 207