MétaCan
Menu
Retour à la cohorte
Enregistrement W4308451006 · doi:10.1109/tuffc.2022.3215791

Recent Advances in Piezoelectric Materials for Electromechanical Transducer Applications

2022· article· en· W4308451006 sur OpenAlexaff
Fei Li, Andrew J. Bell, Dragan Damjanović, Wook Jo, Zuo‐Guang Ye, Shujun Zhang

Notice bibliographique

RevueIEEE Transactions on Ultrasonics Ferroelectrics and Frequency Control · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAcoustic Wave Resonator Technologies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPiezoelectricityTransducerPMUTCapacitorAcousticsFerroelectricityActuatorEnergy harvestingUltrasonic motorElectrical engineeringMaterials scienceUltrasonic sensorPiezoelectric sensorUnderwaterEnergy (signal processing)Mechanical engineeringEngineering physicsEngineeringVoltagePhysicsGeology

Résumé

récupéré en direct d'OpenAlex

Ferroelectricity has made a huge impact on science and technology since Joseph Valasek (then a Ph.D. student at the University of Minnesota) discovered it in 1920, a little longer than 100 years ago. Whereas Dr. Valasek’s original research was motivated by the need to develop seismic sensors, at present ferroelectric materials have been extensively studied for applications in high-energy capacitors, energy harvesting systems, night vision sensors, and electrocaloric solid cooling, and, of particular significance, the ferroelectrics are the material-of-choice for numerous electromechanical devices, including underwater acoustic transducers, medical diagnostic and therapeutic transducers, piezoelectric actuators, and ultrasonic motors, to name a few. The progress over the past 100 years has been enormous and it is ongoing: for example, the piezoelectric coefficient d of ferroelectrics has increased from a few pico-Coulomb per Newton to several thousand pico-Coulomb per Newton, which benefits all piezoelectric sensing and actuation 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 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)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,971
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)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,007
Tête enseignante GPT0,217
Écart entre enseignants0,210 · 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'étudeAutre devis
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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Ultrasonics Ferroelectrics and Frequency ControlMême sujetAcoustic Wave Resonator TechnologiesTravaux en français237 207