MétaCan
Menu
Retour à la cohorte
Enregistrement W3024214382 · doi:10.1149/ma2020-01312310mtgabs

A Highly Porous and Conductive Composite Gate Electrode for NO, NO2, O2, H2 and NH3 Exhaust Gas Sensors

2020· article· en· W3024214382 sur OpenAlexaff
Hassane Ouazzani Chahdi, Omar Helli, N.E. Bourzgui, Léo Breuil, David Danovitch, Paul L. Voss, Suresh Sundaram, Vincent Aubry, Yacine Halfaya, A. Ougazzaden, Jean‐Paul Salvestrini, Hassan Maher, A. Soltani

Notice bibliographique

RevueECS Meeting Abstracts · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueGas Sensing Nanomaterials and Sensors
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésHigh-electron-mobility transistorMaterials sciencePlatinumPorosityElectrodeOptoelectronicsExhaust gasTransistorCatalysisElectrical engineeringComposite materialChemistryEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The real-time knowledge of the NO, NO2 and NH3 concentration at high temperature, would allow manufacturers of automobiles to meet the upcoming stringent EURO7 anti-pollution measures for diesel engines. Knowledge of the concentration of each of these species will also enable engines to run leaner (i.e. more fuel efficient) while still meeting the anti-pollution requirements. Our proposed technology is promising in the field of automotive sensors. It based on AlGaN/GaN high electron mobility transistor (HEMT) sensors incorporating highly porous platinum in the gate. Compared to platinum full gate AlGaN/GaN HEMT sensor, the Highly porous gate sensor has dramatically improved current response to O2, NO, NO2 H2 and NH3, to the NO concentration in the range of 0–2000 ppm, 0-2500 ppm NO2, 0-300 ppm NH3, (1.5-10%) H2 and O2 (1.5-100%) species at high temperature (500 °C). This improvement in sensitivity is the result of the increase in catalytic surface area interaction between gas and platinum. Keywords—HEMT, sensors, GaN, H2, O2, NO2, NO, NH3 high temperature, highly porous gate.

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 enseignants0,000
Score d'incertitude au seuil0,002

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)0,0000,000

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 Opus0,014
Tête enseignante GPT0,205
Écart entre enseignants0,191 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetGas Sensing Nanomaterials and SensorsTravaux en français237 207