Electronic Nose for Recognition of Volatile Vapor Mixtures Using a Nanopore-Enhanced Opto-Calorimetric Spectroscopy
Notice bibliographique
Résumé
An electronic nose (e-nose) for identification and quantification of volatile organic compounds (VOCs) vapor mixtures was developed using nanopore-enhanced opto-calorimetric spectroscopy. Opto-calorimetric spectroscopy based on specific molecular vibrational transitions in the mid infrared (IR) "molecular fingerprint" regime allows highly selective detection of VOCs vapor mixtures. Nanoporous anodic aluminum oxide (AAO) microcantilevers, fabricated using a two-step anodization and simple photolithography process, were utilized as highly sensitive thermomechanical sensors for opto-calorimetric signal transduction. The AAO microcantilevers were optimized by fine-tuning AAO nanopore diameter in order to enhance their thermomechanical sensitivity as well as their surface area. The thermomechanical sensitivity of a bilayer AAO microcantilever with a 60 nm pore diameter was approximately 1 μm/K, which is far superior to that of a bilayer plain silicon (Si) microcantilever. The adsorbed molecules of VOCs mixtures on the AAO microcantilever were fully recognized and quantified by variations of peak positions and amplitudes in the opto-calorimetric IR spectra as well as by shifts in the resonance frequency of the AAO microcantilever with the adsorbed molecules. Furthermore, identification of complex organic compounds with a real industrial sample was demonstrated by this e-nose system.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».