Hydrovoltaic Nanogenerators for Self‐Powered Sweat Electrolyte Analysis
Notice bibliographique
Résumé
Abstract Human sweat comprises various electrolytes that are health status indicators. Conventional potentiometric electrolyte sensors require an electrical power source, which is expensive, bulky, and requires a complex architecture. Herein, this work demonstrates an electric nanogenerator fabricated using silicon nanowire (SiNW) arrays comprising modified carbon nanoparticles. The SiNW arrays platform is demonstrated as an effective self‐powered sensor for sweat electrolyte analysis. It has been shown that an evaporation‐induced water flow in nanochannels can yield an open‐circuit voltage ( V oc ) of 0.45 V and a short‐circuit current of 10.2 µA at room temperature as a result of overlapped electric double layers. The electrolyte in the water flow results in a V oc decrease due to the charge shielding effect. The V oc is inversely proportional to the electrolyte concentration. The fabricated hydrovoltaic device shows the capability for sensing electrolytes in human sweat, which is useful in evaluating the hydration status of volunteers following intense physical exercise. The device depicts a novel response mechanism compared to conventional electrochemical sensors. Furthermore, the hydrovoltaic device shows a maximum output power of 1.42 µW, and as such has been successfully shown to drive various electronic devices including light‐emitting diodes, a calculator, and an electronic timer.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».