Detection of Volatile Alcohol Vapors Using PMMA-Coated Micromechanical Sensors: Experimental and Quantum Chemical DFT Analysis
Notice bibliographique
Résumé
Micromechanical sensors, in which the sensor response is created as a result of molecular interactions on the sensors’ surfaces, have been employed as a powerful technique for rapid and sensitive detection of low concentrations of chemical and biological materials. In the study reported herein, poly(methyl methacrylate) (PMMA)-coated microcantilever (MCL) sensors were used to detect the vapors of volatile alcohols (methanol, ethanol, and isopropanol) at three different concentrations. A vapor generator was used to generate and flow the alcohol vapor onto the PMMA coated MCL surface in a closed system chamber. The vapor adsorption onto the MCL surface results in a rapid and measurable deflection of the MCL. No significant deflections of the uncoated MCL occurred when the different vapors were passed through into the microcantilever chamber. Linear concentration–deflection responses were observed, with the highest sensitivity shown with methanol, followed by ethanol and then isopropanol. Density functional theory (DFT) quantum chemical calculations were conducted to estimate the electronic interaction energies (ΔIE) between the alcohol molecules and MMA and two different model tetrameric segments of PMMA. The computed ΔIEs were in the same order as the experimentally observed order: methanol > ethanol > isopropanol.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».