MétaCan
Menu
Retour à la cohorte
Enregistrement W7116673429 · doi:10.1038/s41467-025-67582-y

Dual phase high temperature Si3N4/Al(Ti)N films with tunable thermal conductivity

2025· article· en· W7116673429 sur OpenAlexaff
Zhaohe Gao, Han Liu, Jinchi Sun, Justyna Kulczyk-Malecka, Xiaodong Liu, Étienne Bousser, Peter Kelly, Y.-H. Chiu, Philip J. Withers, Ping Xiao

Notice bibliographique

RevueNature Communications · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueThermal properties of materials
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesUniversity of Illinois at Urbana-ChampaignMonash UniversityEngineering and Physical Sciences Research CouncilUniversity of OxfordHenry Royce Institute
Mots-clésThermal conductivityAmorphous solidNanocompositeDielectricNanoparticlePhase (matter)TinPhonon

Résumé

récupéré en direct d'OpenAlex

Abstract Engineering amorphous dielectric films with tunable thermal conductivity is advantageous for the thermal management of semiconductor devices and thermal insulation of aerospace applications. Here, we demonstrate that incorporating dense dispersed amorphous Al(Ti)N (~1 nm or above) nanoparticles having phase volume fractions from 6 to 70 %, has a negligible effect on the intrinsic thermal conductivity of the amorphous Si 3 N 4 matrix (~2 W m −1 K −1 ), in which the wave-like ‘propagons’ in Allen-Feldmann theory are believed to be unsupressed and non-tuned. By contrast, incorporating (5–15 nm) crystalline TiN phases significantly increases the thermal conductivity (up to 15 W m −1 K −1 ). Critically, the micrometre-thick Si 3 N 4 /AlN and Si 3 N 4 /TiN amorphous matrix dual-phase nanocomposite coatings exhibit excellent thermal stability upon exposure to ambient air at 1000 °C for 50 h. These findings shed light on the phonon transport mechanism regarding the effects of the second phase and pave a design pathway for engineering amorphous coatings displaying unprecedented high thermal conductivity and excellent thermal stability.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,054
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,301
Écart entre enseignants0,283 · 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.

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 revueNature CommunicationsMême sujetThermal properties of materialsTravaux en français237 207