MétaCan
Menu
Retour à la cohorte
Enregistrement W4293412920 · doi:10.1002/admt.202200459

Microsized Electrochemical Energy Storage Devices and Their Fabrication Techniques For Portable Applications

2022· article· en· W4293412920 sur OpenAlexafffund
Zahraa Bassyouni, Anis Allagui, Jana D. Abou Ziki

Notice bibliographique

RevueAdvanced Materials Technologies · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensOntario Tech University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésElectronicsSupercapacitorFabricationBenchmarkingNanotechnologyThroughputComputer scienceEmbedded systemEnergy storageWirelessMaterials scienceTelecommunicationsElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Over the last decade, Lab‐on‐chip (LOC) technology has been thriving to support the ever‐increasing demand of high‐throughput, fast, accurate, and reliable analysis in an extensive variety of miniaturized systems for medical, chemical, and biological applications. Furthermore, portable electronics and consumer devices such as cell phones, tablets, smart watches, point‐of‐care devices, wireless sensor nodes, radio frequency identification, and other gadgets have witnessed a tremendous demand worldwide. These fast‐paced technologies have an intimate correlation with the booming research activity in micro‐supercapacitors (MSCs) and microbatteries (MBs); two energy storage devices which have claimed the lion's share in powering LOC components and other portable devices. In this review, MSCs and MBs are presented with highlights on their main components, structure, and types, as well as their state‐of‐the‐art performance capabilities. The recent efforts in fabrication strategies, mainly those compatible with device fabrication techniques, stating the advantages and limitations of each are also reviewed. The paper also emphasizes the need for a benchmarking standard upon which performance is compared, as scholarly work shows a discrepancy in the use of different performance metrics to describe the electrochemical performance of such 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 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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,008
Tête enseignante GPT0,231
Écart entre enseignants0,224 · 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

Citations33
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Materials TechnologiesMême sujetSupercapacitor Materials and FabricationTravaux en français237 207