MétaCan
Menu
Retour à la cohorte
Enregistrement W2027196596 · doi:10.1002/adfm.201203220

Bench‐Top Fabrication of Hierarchically Structured High‐Surface‐Area Electrodes

2013· article· en· W2027196596 sur OpenAlexaff
Christine M. Gabardo, Yujie Zhu, Leyla Soleymani, Jose Moran‐Mirabal

Notice bibliographique

RevueAdvanced Functional Materials · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésFabricationMaterials scienceNanotechnologyElectrodeRapid prototypingNanometreElectrical conductorSubstrate (aquarium)OptoelectronicsComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Fabrication of hierarchical materials, with highly optimized features from the millimeter to the nanometer scale, is crucial for applications in diverse areas including biosensing, energy storage, photovoltaics, and tissue engineering. In the past, complex material architectures have been achieved using a combination of top‐down and bottom‐up fabrication approaches. A remaining challenge, however, is the rapid, inexpensive, and simple fabrication of such materials systems using bench‐top prototyping methods. To address this challenge, the properties of hierarchically structured electrodes are developed and investigated by combining three bench‐top techniques: top‐down electrode patterning using vinyl masks created by a computer‐aided design (CAD)‐driven cutter, thin film micro/nanostructuring using a shrinkable polymer substrate, and tunable electrodeposition of conductive materials. By combining these methods, controllable electrode arrays are created with features in three distinct length scales: 40 μm to 1 mm, 50 nm to 10 μm, and 20 nm to 2 μm. The electrical and electrochemical properties of these electrodes are analyzed and it is demonstrated that they are excellent candidates for next generation low‐cost electrochemical and electronic devices.

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 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 enseignants0,168
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0020,000

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 Opus0,007
Tête enseignante GPT0,189
Écart entre enseignants0,182 · 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

Citations84
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Functional MaterialsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207