MétaCan
Menu
Retour à la cohorte
Enregistrement W4283019631 · doi:10.1021/acsapm.2c00160

Fruit Peel-Inspired Super-Stable Ionic Organohydrogel Electronics with Dense Hydrophobic Skin

2022· article· en· W4283019631 sur OpenAlexaff
Jing Yu, Qinhua Wang, Xiaojuan Ma, Shilin Cao, Yonghao Ni

Notice bibliographique

RevueACS Applied Polymer Materials · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensInstitut National de la Recherche ScientifiqueUniversity of New BrunswickUniversité de Montréal
Organismes subventionnairesScientific Research Foundation of Graduate School of Fujian Agriculture and Forestry UniversityChina Scholarship Council
Mots-clésTriethoxysilaneMaterials scienceChemical engineeringCoatingStearic acidSelf-healing hydrogelsComposite materialNanotechnologyPolymer chemistry

Résumé

récupéré en direct d'OpenAlex

Hydrogels are easily dehydrated during use and storage, making it difficult to maintain structural and performance stability, which greatly reduces their application value as wearable devices. Inspired by the structure of fruit, an ionic organohydrogel core containing Ca2+ and glycerol was first fabricated, and then, stearic acid (STA) was rivetted on the organohydrogel surface through (3-aminopropyl) triethoxysilane to obtain a dense hydrophobic coating (100 μm). The organohydrogel with hydrophobic skin presented better water spreading resistance and mechanical strength. In addition to the moisturizing effect of Ca2+ and glycerol, the skin also further blocks the contact between the organohydrogel and the air, thereby significantly enhancing the anti-dryness of the organohydrogel. Therefore, this organohydrogel has extremely outstanding structural, strength, and electrical conductivity stability. The developed strain sensor based on this organohydrogel can realize human motion monitoring capability at ultra-low temperature. This design idea, which combines multiple anti-drying mechanisms, has great expansion value for other gels suitable for various application scenarios.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,023
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0020,000

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 Opus0,006
Tête enseignante GPT0,181
Écart entre enseignants0,175 · 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 tête enseignante, pas un consensus.

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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Applied Polymer MaterialsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207