MétaCan
Menu
Retour à la cohorte
Enregistrement W3032881640 · doi:10.1038/s41378-020-0139-1

Voltage-controlled NiO/ZnO p–n heterojunction diode: a new approach towards selective VOC sensing

2020· article· en· W3032881640 sur OpenAlexaff
Sayan Dey, Swati Nag, S. Santra, S. K. Ray, Prasanta Kumar Guha

Notice bibliographique

RevueMicrosystems & Nanoengineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueGas Sensing Nanomaterials and Sensors
Établissements canadiensBell (Canada)
Organismes subventionnairesIndian Institute of Technology KharagpurMinistry of Electronics and Information technologyDepartment of Science and Technology, Ministry of Science and Technology, India
Mots-clésNon-blocking I/OVoltSelectivityMaterials scienceVoltageOptoelectronicsDiodeHeterojunctionResponse timeBiasingAnalytical Chemistry (journal)Electrical engineeringChemistryChromatographyComputer science

Résumé

récupéré en direct d'OpenAlex

Metal oxide resistive gas sensors suffer from poor selectivity that restricts their practical applicability. Conventional sensor arrays are used to improve selectivity which increased the system complexity. Here, we have proposed a novel NiO/ZnO-based p-n junction single-diode device for selective sensing of several volatile organic compounds (VOCs) simultaneously by tuning bias voltage. The operating voltage was varied between 3 and 5 volts to achieve selective sensing of 2-propanol (19.1 times for 95 ppm with response and recovery times of 70 s and 55 s respectively' at 3 volts), toluene (20.1 times for 95 ppm with response and recovery times of 100 s and 60 s respectively, at 4 volts), and formaldehyde (11.2 times for 95 ppm with response and recovery times of 88 s and 54 s respectively, at 5 volts). A probable mechanism of the tunable selectivity with operating bias voltage due to increase in surface carriers with increasing voltage was hence put forth. Thus, this device may play an important role to develop future selective multiple VOC sensor thereby replacing standard sensor arrays.

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 seuil0,001

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 ouverte0,0010,000
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 Opus0,013
Tête enseignante GPT0,182
Écart entre enseignants0,169 · 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

Citations69
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicrosystems & NanoengineeringMême sujetGas Sensing Nanomaterials and SensorsTravaux en français237 207