MétaCan
Menu
Retour à la cohorte
Enregistrement W4206190098 · doi:10.3390/app12020863

Hydrogenated Graphene Based Organic Thin Film Transistor Sensor for Detection of Chloride Ions as Corrosion Precursors

2022· article· en· W4206190098 sur OpenAlexafffund
Mounia Chakik, Siziwe Bebe, Ravi Prakash

Notice bibliographique

RevueApplied Sciences · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueGas Sensing Nanomaterials and Sensors
Établissements canadiensCarleton University
Organismes subventionnairesNational Research Council CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceGrapheneCorrosionOxideChlorideRelative humidityNanotechnologyPassivationChemical engineeringOptoelectronicsComposite materialMetallurgyLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

Corrosion monitoring and management has been at the center of structural health monitoring protocols due to its damaging effects on metallic structures. Current corrosion prevention and management programs often fail to include environmental factors such as Cl− ions and surface wetness. Early detection of these environmental factors can prevent the onset of corrosion and reduce repair and maintenance-related expenses. There is growing interest in creating solution-processed thin film environmental sensors with high sensitivity to corrosion precursors, low-cost fabrication, and small footprint, rendering them viable candidates for investigation as potential corrosion sensors that could be easily integrated into existing structures and screen printed or patterned directly into surface coatings. In this work, we have implemented C60-based n-type organic thin film transistors (OTFTs) with functionalized graphene oxide for humidity sensing and functionalized graphene nanoparticles for Cl− ion detection, using low-cost solution processing techniques. The reduced graphene oxide (rGO)-coated OTFT humidity sensor is designed for the qualitative estimation of surface moisture levels and high levels of humidity, and it exhibits a relative responsivity for dry to surface wetness transition of 122.6% to surface wetness, within a response time of 20 ms. We furthermore implemented an in-house synthesized hydrogenated graphene coating in conjunction with a second OTFT architecture for Cl− ions sensing which yielded a sensitivity of 4%/ppm to ultrafine ionic concentrations, over an order of magnitude lower than the range identified to cause corrosion in aircraft structures.

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

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,197
Écart entre enseignants0,187 · 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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetGas Sensing Nanomaterials and SensorsTravaux en français237 207