Multifunctional Organohydrogel-Based Ionic Skin for Capacitance and Temperature Sensing toward Intelligent Skin-like Devices
Notice bibliographique
Résumé
The ionic conducting hydrogel has attracted tremendous attention in fabricating flexible artificial skin-like devices. However, there are still unsolved challenges in hydrogel-based ionic skins, such as poor fulfillment of stretchability and compliance and weak interface interaction, as well as single sensory function. Herein, a high-performance organohydrogel-based ionic skin is facilely fabricated through one-step UV-initiated polymerization, in the presence of a polyacrylamide/cellulose nanofibril (PAAm/CNF) hybrid skeleton, a tannic acid (TA)-functionalized interface, and electrolytes (NaCl) dissolved in a glycerol–water binary solvent network. The design strategy demonstrates a profound synergistic effect of interpenetrating networks and interbonding structure in improving ultrastretchability (up to 1430%), suitable Young’s modulus (≈23 kPa), and high ionic conductivity (2.7 S m–1). Inspired by the adhesive mechanism of catechol groups in the mussel foot proteins, the TA component provides a durable interfacial contact (self-adhesiveness ≈ 103 N m–1) and unexpected UV-blocking capability (efficiency >99.9%). Moreover, by introducing a glycerol/water solvent system, the organohydrogel achieves desirable environmental stability. Furthermore, benefiting from the superior mechanical response and thermal perception capacities, our ionic skin can be assembled as capacitance sensors for real-life motion monitoring as well as thermistors for dynamic temperature detection.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».