MétaCan
Menu
Retour à la cohorte
Enregistrement W2912715356 · doi:10.1038/s41598-018-38249-0

Electrochemical Oxidation Induced Multi-Level Memory in Carbon-Based Resistive Switching Devices

2019· article· en· W2912715356 sur OpenAlexafffund
Paola Russo, Ming Xiao, Y. Zhou

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Memory and Neural Computing
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceElectrochemistryCarbon fibersResistive touchscreenOxygenElectrical conductorAnodeNanotechnologyOptoelectronicsElectrodeChemical engineeringComputer scienceChemistryComposite materialComposite number

Résumé

récupéré en direct d'OpenAlex

Abstract In this work, we report for the first time the electrochemical oxidation as a technique to improve the electrical performances of carbon-based resistive switching devices. The devices obtained through the anodic oxidation of carbon-structures possess superior electrical performances i.e. a 3-level memory behavior and an ON/OFF ratio two order of magnitude higher than the non-oxidized carbon-based devices. It is demonstrated that the chemical composition of the carbon structures (i.e. percentage of oxygen groups, sp2 and sp3 carbon atoms) plays a key role in the improvement of the carbon-based devices. The electrochemical oxidation allows the possibility to control the oxidation degree, and therefore, to tailor the devices electrical performances. We demonstrated that the resistive switching behavior in the electrochemically oxidized devices is originated from the formation of conductive filament paths, which are built from the oxygen vacancies and structural defects of the anodic oxidized carbon materials. The novelty of this work relies on the anodic oxidation as a time- and cost-effective technique that can be employed for the engineering and improvement of the electrical performances of next generation carbon-based resistive switching 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 enseignants0,001
Score d'incertitude au seuil0,005

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)0,0010,000

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 Opus0,025
Tête enseignante GPT0,252
Écart entre enseignants0,227 · 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

Citations12
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetAdvanced Memory and Neural ComputingTravaux en français237 207