MétaCan
Menu
Retour à la cohorte
Enregistrement W3194172516 · doi:10.1039/d1ra03785d

Reducing the resistance for the use of electrochemical impedance spectroscopy analysis in materials chemistry

2021· review· en· W3194172516 sur OpenAlexafffund
Nadia O. Laschuk, E. Bradley Easton, Olena V. Zenkina

Notice bibliographique

RevueRSC Advances · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensOntario Tech University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Ontario Institute of Technology
Mots-clésDielectric spectroscopyElectrochemistryElectrical impedanceChemistrySpectroscopyAnalytical Chemistry (journal)Chemical engineeringPhysical chemistryElectrodeOrganic chemistryElectrical engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Electrochemical impedance spectroscopy (EIS) is a highly applicable electrochemical, analytical, and non-invasive technique for materials characterization, which allows the user to evaluate the impact, efficiency, and magnitude of different components within an electrical circuit at a higher resolution than other common electrochemical techniques such as cyclic voltammetry (CV) or chronoamperometry. EIS can be used to study mechanisms of surface reactions, evaluate kinetics and mass transport, and study the level of corrosion on conductive materials, just to name a few. Therefore, this review demonstrates the scope of physical properties of the materials that can be studied using EIS, such as for characterization of supercapacitors, dye-sensitized solar cells (DSSCs), conductive coatings, sensors, self-assembled monolayers (SAMs), and other materials. This guide was created to support beginner and intermediate level researchers in EIS studies to inspire a wider application of this technique for materials characterization. In this work, we provide a summary of the essential background theory of EIS, including experimental design, signal responses, and instrumentation. Then, we discuss the main graphical representations for EIS data, including a scope of the foundation principles of Nyquist, Bode phase angle, Bode magnitude, capacitance and Randles plots, followed by detailed step-by-step explanations of the corresponding calculations that evolve from these graphs and direct examples from the literature highlighting practical applications of EIS for characterization of different types of materials. In addition, we discuss various applications of EIS technique for materials research.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,004
Science ouverte0,0020,002
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0150,014

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 Opus0,021
Tête enseignante GPT0,286
Écart entre enseignants0,265 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations781
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRSC AdvancesMême sujetFuel Cells and Related MaterialsTravaux en français237 207