MétaCan
Menu
Retour à la cohorte
Enregistrement W4200281261 · doi:10.1109/sensors47087.2021.9639597

Fully Printed pH Sensor Based in Carbon Black/Polyaniline Nanocomposite

2021· article· en· W4200281261 sur OpenAlexaff
Shirin Mahinnezhad, Homa Emami, Mohsen Ketabi, Ahmad Al Shboul, Najet Belkhamssa, Andy Shih, Ricardo Izquierdo

Notice bibliographique

Revue2021 IEEE Sensors · 2021
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAnalytical Chemistry and Sensors
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésPolyanilineNanocompositeCarbon blackMaterials scienceScreen printingElectrodePotentiometric titrationChemical engineeringCarbon paste electrodePotentiometric sensorElectrochemistryWorking electrodeElectrochemical gas sensorPolymerizationNanotechnologyPolymerCyclic voltammetryChemistryComposite material

Résumé

récupéré en direct d'OpenAlex

In this work, a fully screen-printed and flexible potentiometric pH sensor was designed and fabricated by incorporating a carbon black (CB) paste/polyaniline emeraldine salt (PANI-ES) nanocomposite as the working electrode and Ag/AgCl as the quasi-reference electrode. Rather than the PANI electrochemical polymerization deposition method, the PANI-ES was blended with a commercial CB paste for screen-printing, enabling a fully printed and scalable process. As a result, a nanocomposite mixture of 99.1% CB and 0.9% PANI-ES emerged as a promising nanocomposite candidate to develop high-performance pH sensors. The sensor exhibited a near Nernstian sensitivity of 50 mV/pH, response time of 15 s at room temperature, high linearity in the pH range between 3 and 11 and reversible pH sensing performance. The sensing mechanism depends mainly on the degree of the oxidation states transition of PANI-ES at different pH levels. The proposed flexible pH sensor can be used to monitor a patient’s health and water quality.

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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,010
Tête enseignante GPT0,225
Écart entre enseignants0,215 · 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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2021 IEEE SensorsMême sujetAnalytical Chemistry and SensorsTravaux en français237 207