Monolithic Dual‐Material 3D Printing of Ionic Skins with Long‐Term Performance Stability
Notice bibliographique
Résumé
Abstract Artificial “ionic skin” is of great interest for mimicking the functionality of human skin, such as subtle pressure sensing. However, the development of ionic skin is hindered by the strict requirements of device integration and the need for devices with satisfactory performance. Here, a dual‐material printing strategy for ionic skin fabrication to eliminate signal drift and performance degradation during long‐term use is proposed, while endowing the ionic skins with high sensitivity by 3D printing of ionic hydrogel electrodes with microstructures. The ionic skins are fabricated by alternative digital light processing 3D printing of two photocurable precursors: hydrogel and water‐dilutable polyurethane acrylate (WPUA), in which the ionically conductive hydrogel layers serve as soft, transparent electrodes and the electrically insulated WPUA as flexible, transparent dielectric layers. This novel dual‐material printing strategy enables strong chemical bonding between the hydrogel and the WPUA, endowing the device with designed characteristics. The resulting device has high sensitivity, minimal hysteresis, a response time in the millisecond range, and excellent repetition durability for pressure sensing. The results demonstrate the potential of the dual‐material 3D printing strategy as a pathway to realize highly stable and high‐performance ionic skin fabrication to monitor human physiological signals and human–machine interactions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».