MétaCan
Menu
Retour à la cohorte
Enregistrement W4389077464 · doi:10.1109/sensors56945.2023.10324856

Polymer-Based Virtual Sensor Array Leveraging Fringing Field Capacitance for VOC Detection

2023· article· en· W4389077464 sur OpenAlexafffund
Gian Carlo Antony Raj, Youssef Ezzat Elnemr, Pavithra Munirathinam, Yumna Birjis, Calvin Love, Arezoo Emadi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Chemical Sensor Technologies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaWindsor Cancer Centre FoundationCMC Microsystems
Mots-clésCapacitanceMaterials scienceSensitivity (control systems)Dielectric spectroscopyAnalyteOptoelectronicsSensor arrayPrincipal component analysisPolymerComputer scienceElectronic engineeringElectrodeElectrochemistryChemistryChromatographyArtificial intelligenceEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

The detection of volatile organic compounds (VOCs) is crucial in various applications, from environmental monitoring to industrial safety. Through this paper we present a comparative analysis of a polymer-based virtual sensor array (VSA) for VOC detection, utilizing fringing field capacitance to enhance sensitivity and potentially reduce the size of sensor arrays required to differentiate VOC analytes. Polymer-based sensors exhibit changes in material permittivity in response to VOCs, and electrochemical impedance spectroscopy (EIS) measures the resultant change in capacitance. Principal component analysis (PCA) is used to extract subtle patterns from the multivariate EIS data for the identification and differentiation of different VOCs. Results demonstrate superior sensitivity and differentiation capability over conventional rectangular IDE reference design. This research demonstrates the potential of a polymer-based virtual sensor array leveraging fringing field capacitance in VOC detection.

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 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 enseignants0,517
Score d'incertitude au seuil0,636

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,015
Tête enseignante GPT0,223
Écart entre enseignants0,208 · 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.

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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAdvanced Chemical Sensor TechnologiesTravaux en français237 207