Digital microelectromechanical sensor with an engineered polydimethylsiloxane (PDMS) bridge structure
Notice bibliographique
Résumé
Functional electronic devices integrated on flexible substrates are of great interest in both academia and industry for their potential applications in wearable technologies. Recently, there have been an increasing number of investigations on developing new materials for flexible strain sensors and pressure sensors, with the aim of achieving better sensitivity and detection ranges. However, the analog signal outputs of these sensors are accompanied with challenges regarding device reproducibility and reliability. Here we designed and fabricated a new class of sensors-digital microelectromechanical (MEM) sensors for wearable technologies. Our digital MEM sensors were implemented with the polydimethysiloxane (PDMS) bridge on flexible substrates, and provided digital signal outputs based on electrical insulating-to-conducting transitions. By engineering the PDMS bridge structure, we could tune the sensitivity of the digital MEM sensor for various applications. These digital MEM sensors were used in bending tests: they were integrated on glove fingers and used to detect gestures. These sensors were also used as force sensors: they were used on human wrists to monitor heart rates. The device was experimentally found to maintain its performance level even after 10 000 cycles of bending or pressing. The digital output of our devices allows a higher tolerance for device fabrication to be set. Furthermore, our devices can be engineered for desired specifications in various potential applications.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».