Shrinking Devices: Shape‐Memory Polymer Fabrication of Micro‐and Nanostructured Electrodes
Notice bibliographique
Résumé
Abstract Since their discovery in the 1940s, shape memory polymers (SMPs) have been used in a broad spectrum of applications for research and industry. [1] SMPs can adopt a temporary shape and promptly return to their original form when submitted to an external stimulus. They have proven useful in fields such as wearable and stretchable electronics, [2] biomedicine, [3] and aerospace.. [4] These materials are attractive and unique due to their ability to “remember” a shape after being submitted to elastic deformation. By combining the properties of SMPs with the advantages of electrochemistry, opportunities have emerged to develop structured sensing devices through simple and inexpensive fabrication approaches. The use of electrochemistry for signal transduction provides several advantages, including the translation into inexpensive sensing devices that are relatively easy to miniaturize, extremely low concentration requirements for detection, rapid sensing, and multiplexed detection. Thus, electrochemistry has been used in biosensing, [5] pollutant detection, [6] and pharmacological [7] applications, among others. To date, there is no review that summarizes the literature addressing the use of SMPs in the fabrication of structured electrodes for electrochemical sensing. This review aims to fill this gap by compiling the research that has been done on this topic over the last decade.
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 | 0,000 |
| 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) | 0,000 | 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 ».