MétaCan
Menu
Retour à la cohorte
Enregistrement W2746575298 · doi:10.1088/2058-8585/aa765d

Flexible physical sensors made from paper substrates integrated with zinc oxide nanostructures

2017· article· en· W2746575298 sur OpenAlexafffund
Pengfei Song, Yu‐Hsuan Wang, Xinyu Liu

Notice bibliographique

RevueFlexible and Printed Electronics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensMcGill University
Organismes subventionnairesChina Scholarship CouncilNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsFaculty of Engineering, McGill UniversityMcGill University
Mots-clésZincNanotechnologyNanostructureMaterials scienceOxideComputer scienceMetallurgy

Résumé

récupéré en direct d'OpenAlex

Paper-based physical sensors represent an emerging research direction in the field of flexible sensors, which offers a low-cost alternative to current silicon-based sensors. The ultralow cost and excellent biodegradability of paper substrates contribute to the major advantages of paper-based sensors. To enhance the sensor performance, a variety of functional nanomaterials have been utilized for developing paper-based physical sensors, among which zinc oxide (ZnO) nanostructures (e.g. nanoparticles, nanowires, and nanotrees) are popular choices because of their multiple physical sensing modalities and ease of synthesis on paper. This article reviews the recent advances of paper-based physical sensors integrating zinc oxide nanostructures. First, we summarize the methods for synthesizing ZnO nanostructures on paper, with a focus on the low-cost facile hydrothermal approach. We then discuss the physical properties (e.g. piezoelectricity, piezotronics, and ultraviolet (UV) sensitivity) of ZnO nanostructures that have been used for physical sensing applications. We review the representative designs of paper-based ZnO physical sensors and their applications such as nanogenerators, strain sensors, touch pads, and UV sensors. Finally, we conclude the current progress, and envision the future trends and research opportunities.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,028
Score d'incertitude au seuil1,000

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 Opus0,010
Tête enseignante GPT0,229
Écart entre enseignants0,219 · 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

Citations25
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFlexible and Printed ElectronicsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207