MétaCan
Menu
Retour à la cohorte
Enregistrement W4281623958 · doi:10.1002/admt.202200186

A Low‐Cost Simple Sliding Triboelectric Nanogenerator for Harvesting Energy from Human Activities

2022· article· en· W4281623958 sur OpenAlexaff
Shiyu Hu, John Weber, Shoude Chang, Gaozhi Xiao, Jianping Lu, Jun Gao, Weihong Jiang, Yanguang Zhang, Ye Tao

Notice bibliographique

RevueAdvanced Materials Technologies · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensQueen's UniversityNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésTriboelectric effectNanogeneratorMaterials sciencePolyethylene terephthalateEnergy harvestingOptoelectronicsNanotechnologyElectrical engineeringComposite materialPower (physics)Engineering

Résumé

récupéré en direct d'OpenAlex

Abstract A new sliding triboelectric nanogenerator (TENG) with multiple friction interfaces has been developed. The use of off‐the‐shelf polyethylene terephthalate (PET) and Kapton films as the triboelectric materials, the adoption of cost‐effective flexographic printing as the electrode deposition technique, and the avoidance of expensive and time‐consuming surface treatments render the new TENG easy‐to‐fabricate and inherently low cost. The new sliding TENG generates a surface charge density comparable with the previously reported multilayer sliding TENG whose triboelectric surfaces were modified with expensive and time‐consuming plasma etching for improved triboelectrification. Coupled with the freedom of varying the lateral size and the number of friction interfaces, the new sliding TENG can directly light up hundreds of LEDs, or sustainably power small wearable and portable electronics when integrated with a capacitor through a rectifier. When the new sliding TENG is wrapped around with rubber bands in longitudinal direction, it transforms into a stretchable TENG and is able to harvest energy from tensile motion associated with many human activities.

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 ouverte0,0000,000
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 Opus0,014
Tête enseignante GPT0,233
Écart entre enseignants0,218 · 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

Citations41
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Materials TechnologiesMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207