MétaCan
Menu
Retour à la cohorte
Enregistrement W4226217781 · doi:10.22215/etd/2022-14938

Platform for Graphene Sensors Using Printed Circuit Boards and Single Board Computers

2022· dissertation· en· W4226217781 sur OpenAlexaff
Hunter Galeote

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineComputer Science
ThématiqueSensor Technology and Measurement Systems
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésBreadboardPrinted circuit boardResistorElectrical engineeringEngineeringVoltageGrapheneChipMaterials scienceElectronic engineeringNanotechnology

Résumé

récupéré en direct d'OpenAlex

A platform was designed to allow electrical measurements to be taken from graphene sensors without the need for a probing bench or other lab equipment.Research began with the characterization of a range of different sensors, including various types of graphene field-effect transistors (GFET), interdigitated electrodes (IDE), and Hall sensors.Out of all the dropcast FETs that were tested, 23.6% were within a 20% margin of the expected resistance.Testing for Hall sensors involved measuring resistivity and hall coefficient on a set of two bars that were perpendicular to the direction of the current.9 out of the 64 hall sensors tested had resistivity and hall coefficients that were within 10% of each other on each bar.A selection of sensors, namely the hall, dropcast GFET (or "droplet"), and infrared sensors then had circuit boards designed to house them.The PCBs were designed to be connected to the GPIO of a Raspberry Pi, which could then supply voltage and read measurements using a MATLAB script.The hall and droplet sensors had two variants designed for them, one with fewer components to be used in conjunction with an ADC expansion board for the Raspberry Pi, and a more complex board with an on-board ADC.ADC variants for the boards were simulated in LTspice, while testing of the platform was done with a Graphenea S20 GFET chip mounted on one of the IR boards and included a breadboard and resistor to create a voltage divider.After initial calibration, resistance measurements from the Raspberry pi were accurate within 1% to those taken with a semiconductor parameter analyzer.iii A method was developed to successfully refresh the graphene with acetone without damaging the PCB, raising the resistance of the GFETs by 701Ω on average.Results from using wax encapsulation to slow or stop resistance drift are inconclusive, the chip with wax had average resistance that shifted -40.1Ω to +25.5Ω per day, while the resistance drift on the chip without wax was -75.4Ω to +52.2Ω per day.knowledge, finances, or labor.First and foremost I would like to thank my supervisor, Rony Amaya, for the guidance and support that I have

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)0,001
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 enseignants0,023
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0230,009

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 Opus0,056
Tête enseignante GPT0,272
Écart entre enseignants0,216 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSensor Technology and Measurement SystemsTravaux en français237 207