An Anti‐Freezing, Ambient‐Stable and Highly Stretchable Ionic Skin with Strong Surface Adhesion for Wearable Sensing and Soft Robotics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Natural living systems such as wood frogs develop tissues composed of active hydrogels with cryoprotectants to survive in cold environments. Recently, hydrogels have been intensively studied to develop stretchable electronics for wearables and soft robots. However, regular hydrogels are inevitably frozen at the subzero temperature and easily dehydrated, and have weak surface adhesion. Herein, a novel hydrogel‐based ionic skin (iSkin) capable of strain sensing is demonstrated with high toughness, high stretchability, excellent ambient stability, superior anti‐freezing capability, and strong surface adhesion. The iSkin consists of a piece of ionically and covalently cross‐linked tough hydrogel with a thin bioadhesive layer. With the addition of biocompatible cryoprotectant and electrolyte, the iSkin shows good conductivity in wide ranges of relative humidity (15–90%) and temperature (−95–25 °C). In addition, the iSkin can adhere firmly to diverse material surfaces under different conditions, including cloth fabric, skin, and elastomers, in both dry and wet conditions, at subzero temperature, and/or with dynamic movement. The iSkin is demonstrated for applications including strain sensing on both human body and winter coat, human–machine interaction, motion/deformation sensing on a soft gripper and a soft robot at extremely cold conditions. This work provides a new paradigm for developing high‐performance artificial skins for wearable sensing and soft robotics.
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.
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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle