MétaCan
Menu
Retour à la cohorte
Enregistrement W2898455399 · doi:10.3390/s18113605

Piezoelectric Polymer and Paper Substrates: A Review

2018· review· en· W2898455399 sur OpenAlexafffund
Kiran Kumar Sappati, Sharmistha Bhadra

Notice bibliographique

RevueSensors · 2018
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésPiezoelectricityPolymerMaterials scienceEngineeringComputer scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Polymers and papers, which exhibit piezoelectricity, find a wide range of applications in the industry. Ever since the discovery of PVDF, piezo polymers and papers have been widely used for sensor and actuator design. The direct piezoelectric effect has been used for sensor design, whereas the inverse piezoelectric effect has been applied for actuator design. Piezo polymers and papers have the advantages of mechanical flexibility, lower fabrication cost and faster processing over commonly used piezoelectric materials, such as PZT, BaTiO₃. In addition, many polymer and paper materials are considered biocompatible and can be used in bio applications. In the last 20 years, heterostructural materials, such as polymer composites and hybrid paper, have received a lot of attention since they combine the flexibility of polymer or paper, and excellent pyroelectric and piezoelectric properties of ceramics. This paper gives an overview of piezoelectric polymers and papers based on their operating principle. Main categories of piezoelectric polymers and papers are discussed with a focus on their materials and fabrication techniques. Applications of piezoelectric polymers and papers in different areas are also presented.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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 Opus0,027
Tête enseignante GPT0,274
Écart entre enseignants0,246 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations321
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207