MétaCan
Menu
Retour à la cohorte
Enregistrement W4319791632 · doi:10.1002/aelm.202201017

A Flexible Corn Starch‐Based Biomaterial Device Integrated with Capacitive‐Coupled Memristive Memory, Mechanical Stress Sensing, Synapse, and Logic Operation Functions

2023· article· en· W4319791632 sur OpenAlexafffund
Bai Sun, Yuanzheng Chen, Guangdong Zhou, Yongzan Zhou, Tao Guo, Shouhui Zhu, Shuangsuo Mao, Yong Zhao, Jinyou Shao, Yuning Li

Notice bibliographique

RevueAdvanced Electronic Materials · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Memory and Neural Computing
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceCapacitive sensingElectronicsWearable technologySynapseNanotechnologyWearable computerComputer scienceElectrical engineeringEngineeringEmbedded systemNeuroscience

Résumé

récupéré en direct d'OpenAlex

Abstract Biomaterials‐based electronic devices (BEDs) have remarkable advantages such as biocompatibility and biodegradability, which are expected to have promising prospects in the development of green electronics such as wearable smart sensors and brain‐like synaptic devices. However, the development of BEDs is still in its infancy, and much work remains to be done before this technology can be widely used. Here, a novel corn starch‐based BED with a sandwiched structure of Ag/Corn starch:PVDF/ITO is developed, which has integrated multifunctional performance of capacitive‐coupled memristive memory, flexible mechanical stress sensing, synaptic application, and logic operation. Specifically, this device exhibits a wide memristive voltage operating range (1–16 V), a high bending response current (3.5–4.5 µA), long‐term durability synaptic performance, and logic operation capability. These advantageous characteristics endow this device has a good potential to be used in flexible wearable electronics and artificial intelligence.

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: Empirique
Score de désaccord entre enseignants0,000
Score d'incertitude au seuil0,001

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
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,013
Tête enseignante GPT0,242
Écart entre enseignants0,229 · 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

Citations45
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Electronic MaterialsMême sujetAdvanced Memory and Neural ComputingTravaux en français237 207