MétaCan
Menu
Retour à la cohorte
Enregistrement W3207258447 · doi:10.1016/j.elecom.2021.107141

Electrochemical applications of printed circuit boards: Electrocatalysis and internal reference electrodes

2021· article· en· W3207258447 sur OpenAlexafffund
Tianyu Li

Notice bibliographique

RevueElectrochemistry Communications · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Capillary Electrophoresis Applications
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaVictoria UniversityUniversity of Victoria
Mots-clésMaterials scienceElectrodeElectrocatalystElectrochemistryPrinted circuit boardSubstrate (aquarium)Reference electrodeNanotechnologyPlatinumElectrochemical cellChemistryComputer scienceCatalysis

Résumé

récupéré en direct d'OpenAlex

As a chemically resistant hard substrate with surface-mounted metal pads, Printed Circuit Boards (PCBs) have the potential to be utilized as substrates for electrochemical applications such as electrochemical microfluidic devices. Compared with regular electrochemical substrates made with glass slides or filter papers, PCB-based substrates have electrode pads with customized size, shape and position, and more wiring layers. Previous works have shown that the PCB-based electrochemical devices can be used as biosensors, electrochemical impedance cytometers, and electrochemical imaging platforms, while their workability as a platform for electrocatalysis has not yet been presented. This work presents a method to develop PCBs into electrochemical substrates for alcohol electrocatalysis and internal reference electrodes. The copper pads were pretreated and electrodeposited with nickel (Ni), silver (Ag), palladium (Pd), and platinum (Pt) for various electrocatalytic purposes. To show the ability of making PCB-based electrochemical devices, two types of PCB-based reference electrodes were made.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,223
Écart entre enseignants0,214 · 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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueElectrochemistry CommunicationsMême sujetMicrofluidic and Capillary Electrophoresis ApplicationsTravaux en français237 207