MétaCan
Menu
Retour à la cohorte
Enregistrement W2897449994 · doi:10.1109/map.2018.2859200

Cellular Wireless Energy Harvesting for Smart Contact Lens Applications [Education Corner]

2018· article· en· W2897449994 sur OpenAlexaff
Luyao Chen, Ben Milligan, Tianming Qu, Luxsumi Jeevananthan, George Shaker, Safieddin Safavi‐Naeini

Notice bibliographique

RevueIEEE Antennas and Propagation Magazine · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMicroelectronicsEnergy harvestingElectrical engineeringRectifier (neural networks)WirelessLens (geology)Contact lensRadio frequencyEnergy (signal processing)Power (physics)Printed circuit boardEngineeringMaterials scienceComputer scienceTelecommunicationsOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

An energy harvester for a smart contact lens that monitors the glucose level of a user has been developed and demonstrated. The energy harvester captures a smartphone's second-generation (2G) cellular emission and rectifies it into dc power to operate on-lens microelectronics for glucose detection and wireless data transmission. The energy harvester can reach a maximum radio frequency (RF)-to-dc power conversion efficiency of 47%. An electrically realistic human eye model was designed and fabricated using three-dimensional (3-D) printing technologies to assist in various measurements of the proposed energy harvester. For accessibility and ease of measurements, the proof-of-concept rectifier for the harvester has been designed on a 10 mm ? 30 mm ? 0.8 mm two-layer FR4 printed circuit board (PCB). The end design demonstrates that an energy harvester on a smart contact lens is able to produce 1 mW of dc power at 2.1 V via cellular emission from a smartphone placed 18 cm away.

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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,014
Tête enseignante GPT0,223
Écart entre enseignants0,208 · 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

Citations19
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Antennas and Propagation MagazineMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207