Generalized Dynamic Analytical Model of Piezoelectric Materials for Characterization Using Electrical Impedance Spectroscopy
Notice bibliographique
Résumé
Piezoelectric materials have the intrinsic reversible ability to convert a mechanical strain into an electric field and their applications touch our daily lives. However, the complex physical mechanisms linking mechanical and electrical properties make these materials hard to understand. Computationally onerous models have historically been unable to adequately describe dynamic phenomena inside real piezoelectric materials, and are often limited to over-simplified first-order analytical, quasi-static, or unsatisfying phenomenological numerical approaches. We present a generalized dynamic analytical model based on first-principles that is efficiently computable and better describes these exciting materials, including higher-order coupling effects. We illustrate the significance of this model by applying it to the important 3m crystal symmetry class of piezoelectric materials that includes lithium niobate, and show that the model accurately predicts the experimentally observed impedance spectrum. This dynamic behavior is a function of almost all intrinsic properties of the piezoelectric material, so that material properties, including mechanical, electrical, and dielectric coefficients, can be readily and simultaneously extracted for any size crystal, including at the nanoscale; the only prior knowledge required is the crystal class of the material system. In addition, the model's analytical approach is general in nature, and can increase our understanding of traditional and novel ferroelectric and piezoelectric materials, regardless of crystal size or orientation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».