MétaCan
Menu
Retour à la cohorte
Enregistrement W2153246406 · doi:10.1109/icmens.2003.1221971

Development of a humidity microsensor with thermal reset

2004· article· en· W2153246406 sur OpenAlexaff
Abbas Ahsan, Carlos F. Lange, Walied A. Moussa

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMicroheaterMaterials scienceCapacitive sensingHumiditySensitivity (control systems)CapacitorResistive touchscreenOptoelectronicsReset (finance)DielectricElectronic engineeringVoltageElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The present project is aimed at developing a capacitive humidity microsensor to measure humidity profiles inside the human respiratory tract. The ultimate goal of the project is to design the sensor with minimum size and with maximum sensitivity providing minimum response time. The sensor will allow determination of humidity variation in different generations of the human lung during a breath. The design process involves an appropriate simulation of the sensor to investigate the influence of several parameters on its sensitivity, and to develop a microheater that would be used to thermally reset the sensor. This sensor consists of interdigitated electrodes formed as a capacitor using aluminum as conductor and polyimide as dielectric built on a silicon substrate. For the thermal resetting, a polysilicon microheater will be built just underneath the sensor. The system should have quick absorption of moisture and ideally have a response time of less than 1 s. This specific requirement would allow for several measurements during one breath period. In order to meet these constraints a capacitive sensor was designed with a dielectric sensitive to humidity. Other parameters such as shapes of air contact surfaces, domain dimensions, properties of materials, etc. are analyzed and results are shown as well.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,581
Score d'incertitude au seuil0,129

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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,201
Écart entre enseignants0,189 · 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

Citations4
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHeat Transfer and OptimizationTravaux en français237 207