Modeling the Double Layer Capacitance Effect in Electrolyte Gated FETs with Gel and Aqueous Electrolytes
Notice bibliographique
Résumé
Potential implementation of bio-gel Electrolyte Double Layer capacitors (bio-gel EDLCs) and electrolyte-gated FET biosensors, two commonly reported configurations of bio-electrolytic electronic devices, requires a robust analysis of their complex internal capacitive behavior. Presently there is neither enough of the parameter extraction literature, nor an effective simulation model to represent the transient behavior of these systems. Our work aims to supplement present transient thin film transistor modelling techniques with the reported parameter extraction method, to accurately model both bio-gel EDLC and the aqueous electrolyte gated FET devices. Our parameter extraction method was tested with capacitors analogous to polymer-electrolyte gated FETs, electrolyte gated Field effect transistor (EGOFET) and Organic Electrolyte Gated Field Effect Transistor (OEGFET) capacitance stacks. Our method predicts the input/output electrical behavior of bio-gel EDLC and EGOFET devices far more accurately than conventional DLC techniques, with less than 5% error. It is also more effective in capturing the characteristic aqueous electrolyte charging behavior and maximum charging capability which are unique to these systems, than the conventional DLC Zubieta and the Two branch models. We believe this significant improvement in device simulation is a pivotal step towards further integration and commercial implementation of organic bio-electrolyte devices. The effective reproduction of the transient response of the OEGFET equivalent system also predicts the transient capacitive effects observed in our previously reported label-free OEGFET biosensor devices. This is the first parameter extraction method specifically designed for electrical parameter-based modelling of organic bio-electrolytic capacitor devices.
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 ».