[论文解读] Exploring Wetting and Optical Properties of CuAg Alloys via Surface Texture Morphology Analysis

Krzysztof Wieczerzak, Grzegorz Cios+3 more|arXiv (Cornell University)|Feb 13, 2026

Surface Roughness and Optical Measurements被引用 0

一句话总结

论文研究表面纹理形态、层组成和厚度如何影响Cu、Ag和CuAg薄膜在纹理化硅基底上的润湿性和光学性质，采用数据挖掘、聚类和随机森林模型预测水接触角。

ABSTRACT

Copper-silver (CuAg) alloys are increasingly explored for applications in high-performance electrical and electronic systems, owing to their unique combination of high electrical and thermal conductivity and enhanced mechanical strength. Nevertheless, a thorough understanding of how these alloys surface characteristics fundamentally influence properties remains largely underdeveloped. Here, we explored the complex interplay between surface texture morphology, layer composition, wetting, and optical properties of Cu, Ag, and CuAg thin films deposited on textured silicon substrates via magnetron sputtering. Employing data mining and machine learning techniques, we identified robust correlations between contact angle and surface fractal dimension across all layer types promoting Cassie-Baxter surface state formation. Our analysis revealed a significant connection between layer thickness and surface topography entropy deficit, suggesting a dynamic evolution of surface order/disorder during metal film growth. Furthermore, we observed that contact angle sensitivity to layer thickness implied a correlation with microstructure evolution. Through K-Means clustering, we successfully categorized the formed surface textures morphology. Finally, a Random Forest regression model was developed to accurately predict water contact angles (Mean Absolute Error around 5 deg) using only texture and optical parameters. The model, along with accompanying Python code, is publicly available. Our findings establish a pathway towards targeted surface texture morphology engineering for tailored material performance.

研究动机与目标

• 了解表面纹理形态如何影响Cu、Ag和CuAg薄膜的润湿性与光学性质。
• 探索接触角、表面分形维数与层组成之间的相关性。
• 识别层厚度对表面拓扑与显微结构演变的影响。
• 通过聚类对表面纹理进行分类，以将形态与功能性质关联起来。
• 开发基于纹理和光学参数的水接触角预测模型。

提出的方法

• 通过磁控溅射在纹理化硅基底上沉积Cu、Ag和CuAg薄膜。
• 应用数据挖掘和机器学习来识别接触角与表面分形维数之间的相关性。
• 分析层厚度与表面熵 deficit 的关系，以研究生长过程中的有序/无序演化。
• 使用K-Means聚类对表面纹理形态进行分类。
• 建立随机森林回归模型，从纹理和光学参数预测水接触角。
• 提供配套的Python代码并公开发布。

实验结果

研究问题

• RQ1 表面纹理形态和层组成如何影响Cu、Ag和CuAg薄膜的润湿性（接触角）？
• RQ2 在不同层类型中，接触角与表面分形维数之间的关系是什么？
• RQ3 层厚度如何影响表面拓扑熵 deficit 和显微结构演变？
• RQ4 是否能够可靠地对表面纹理进行分类，以将形态与润湿性和光学性质关联起来？
• RQ5 是否存在一个预测模型能从纹理和光学特征估算水接触角？

主要发现

• 在所有层类型中，接触角与表面分形维数存在稳健的相关性，促进Cassie-Baxter表面状态的形成。
• 层厚度与表面拓扑熵 deficit 显著相关，表明生长过程中的表面有序/无序动态演化。
• 接触角对层厚度的敏感性暗示与显微结构演化相关。
• K-Means聚类成功对形成的表面纹理形态进行了分类。
• 随机森林回归模型在使用纹理和光学参数时，预测水接触角的平均绝对误差约为5度。
• 作者公开提供了模型和Python代码。