MétaCan
Menu
Retour à la cohorte
Enregistrement W2337687071 · doi:10.1149/ma2015-01/40/2090

Electrically Conducting PDMS Nanocompsite Using in-Situ Reduction of Gold Nanostructures and Mechanical Stimulation of Carbon Nanotubes

2015· article· en· W2337687071 sur OpenAlexaff
Jayan Ozhikandathil, Ajit Khosla, Muthukumaran Packirisamy

Notice bibliographique

RevueECS Meeting Abstracts · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversity of CalgaryConcordia University
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePolydimethylsiloxaneNanocompositeCarbon nanotubeNanotechnologyBiocompatibilityFabricationGrapheneMicroelectromechanical systems

Résumé

récupéré en direct d'OpenAlex

Electrically conducting nanocomposite has numerous application potential in flexible MEMS and wearable electronics. Polydimethylsiloxane (PDMS) has been identified as an attractive candidate for the fabrication of Bio-MEMS devices due to its several benefits such as biocompatibility, good optical properties, easy and low-cost fabrication using soft-lithography, etc. In this work, an electrically conducting PDMS nanocomposite is synthesized using a novel combined process of in-situ reduction by curing agent of PDMS from aqueous gold chloride solution, and mechanical stimulation of multi-wall carbon nanotubes. The electrical and thermal properties of the nanocomposite is characterized for various concentration of gold chloride solution and conducting fillers in the PDMS matrix. Further, the nanocomposite is micropatterned to fabricate heating elements and electrical signal routing lines in flexible PDMS sheets.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,444
Score d'incertitude au seuil0,615

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 Opus0,036
Tête enseignante GPT0,257
Écart entre enseignants0,221 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207