MétaCan
Menu
Retour à la cohorte
Enregistrement W2793823978 · doi:10.1002/adma.201705925

Self‐Powered Wearable Electronics Based on Moisture Enabled Electricity Generation

2018· article· en· W2793823978 sur OpenAlexafffund
Daozhi Shen, Ming Xiao, Guisheng Zou, Lei Liu, W. W. Duley, Y. Zhou

Notice bibliographique

RevueAdvanced Materials · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesChina Scholarship CouncilNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésElectronicsMaterials scienceMoistureElectricityWearable technologyHumidityWearable computerVoltageElectrical engineeringGenerator (circuit theory)NanotechnologyComputer scienceProcess engineeringPower (physics)Embedded systemEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Most state‐of‐the‐art electronic wearable sensors are powered by batteries that require regular charging and eventual replacement, which would cause environmental issues and complex management problems. Here, a device concept is reported that can break this paradigm in ambient moisture monitoring—a new class of simple sensors themselves can generate moisture‐dependent voltage that can be used to determine the ambient humidity level directly. It is demonstrated that a moisture‐driven electrical generator, based on the diffusive flow of water in titanium dioxide (TiO2) nanowire networks, can yield an output power density of up to 4 µW cm−2 when exposed to a highly moist environment. This performance is two orders of magnitude better than that reported for carbon‐black generators. The output voltage is strongly dependent on humidity of ambient environment. As a big breakthrough, this new type of device is successfully used as self‐powered wearable human‐breathing monitors and touch pads, which is not achievable by any existing moisture‐induced‐electricity technology. The availability of high‐output self‐powered electrical generators will facilitate the design and application of a wide range of new innovative flexible electronic devices.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,217
Écart entre enseignants0,209 · 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 source (Gemma direct ou Codex distillé), 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

Citations453
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced MaterialsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207