MétaCan
Menu
Retour à la cohorte
Enregistrement W7131080499 · doi:10.1115/imece2025-168015

Numerical Modeling of Nanostructure Deformation During the Phase Change Process of Sublimation Drying

2025· article· W7131080499 sur OpenAlexaff
Mohammaderfan Mohit, Minghan Xu, Yosuke Hanawa, Jianliang Zhang, Yuta Sasaki, Koichi Sawada, Junichi Yoshida, Atsushi Sakuma, Agus P. Sasmito

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueNanomaterials and Printing Technologies
Établissements canadiensUniversity of TorontoMcGill University
Organismes subventionnairesnon disponible
Mots-clésSublimation (psychology)MultiphysicsNanostructureDeformation (meteorology)ThermalHeat transferSiliconPhase changeNumerical modeling

Résumé

récupéré en direct d'OpenAlex

Abstract To remove residues from the semiconductors, various drying techniques were developed over time, most of which are associated with the deformation of the nanostructure. To deal with this problem, sublimation drying has been introduced wherein the liquid material is first frozen and then sublimed to prevent liquid residues from becoming trapped in the nanostructures. However, the freezing stage can still cause the nanostructure to collapse. The deformation or collapse occurs due to thermal expansion of the sublimating agent during the solidification process. The present study investigates this phenomenon through numerical simulations. Particularly, the freezing process of the sublimating agent, here water, on the silicon (Si) substrate is modeled using COMSOL Multiphysics software. The simulation involves heat transfer in the sublimating material, its thermal expansion, and the mechanical structure of the Si substrate. The results present the displacement of the nanostructure for cells located on the side of the substrate. Furthermore, the variations of stress and temperature during the process are studied. Experimental results are used to validate the numerical model. The model facilitates the design and implementation of the sublimation drying process for semiconductor manufacturing.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil0,590

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,265
Écart entre enseignants0,249 · 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'étudeSimulation ou modélisation
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 sujetNanomaterials and Printing TechnologiesTravaux en français237 207