MétaCan
Menu
Retour à la cohorte
Enregistrement W4415619647 · doi:10.1038/s41598-025-21633-y

Unravelling Cu6Sn5 precipitate coarsening mechanisms in SAC solders under thermomechanical cycling

2025· article· en· W4415619647 sur OpenAlexaff
Charlotte Cui, Sebastian Krauß, Hooman Hosseinkhannazer, Julien Magnien, Olena Vertsanova, Michael Reisinger, Peter Julian Imrich, Walter Hartner, Roland Brunner

Notice bibliographique

RevueScientific Reports · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueElectronic Packaging and Soldering Technologies
Établissements canadiensNorcada (Canada)
Organismes subventionnairesÖsterreichische Forschungsförderungsgesellschaft
Mots-clésOstwald ripeningMicroelectronicsShear (geology)SolderingCyclingTemperature cycling

Résumé

récupéré en direct d'OpenAlex

Abstract Thermo-mechanical cycling of microelectronic devices creates complex stress-states in Sn–Ag–Cu (SAC) solder balls, leading to Cu₆Sn₅-precipitate coarsening. Two key mechanisms — strain-induced coarsening and Ostwald ripening — are examined separately. Strain-induced coarsening, studied via plastic shear deformation, is more significant in dynamically recrystallised high-strain regions than in lower-strain shear band regions. Ostwald ripening is investigated via in-situ FESEM, and its interplay with strain-enhanced coarsening is analysed in thermo-mechanically cycled solders with varying Bi-contents. Results show that Bi, solved in the β-Sn matrix, delays dynamic recrystallisation and reduces both strain-enhanced coarsening and Ostwald ripening of Cu₆Sn₅. Nonetheless, Cu 6 Sn 5 -precipitates are 1.5–3 times larger in recrystallised high-strain regions than in single-crystalline lower-strain regions regardless of Bi-content, due to strain-enhanced coarsening during thermo-mechanical cycling. The findings indicate that mechanical strain plays a dominant role in precipitate growth, suggesting that strain-enhanced Cu 6 Sn 5 coarsening, and thusly decreased precipitate strengthening effects, correlate with increased thermo-mechanical fatigue.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,501
Score d'incertitude au seuil0,886

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,011
Tête enseignante GPT0,235
Écart entre enseignants0,223 · 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 revueScientific ReportsMême sujetElectronic Packaging and Soldering TechnologiesTravaux en français237 207