MétaCan
Menu
Retour à la cohorte
Enregistrement W4394572533 · doi:10.3390/en17071749

Micro Photosynthetic Power Cell Array for Energy Harvesting: Bio-Inspired Modeling, Testing and Verification

2024· article· en· W4394572533 sur OpenAlexafffund
Kirankumar Kuruvinashetti, Shanmuga Sundaram Pakkiriswami, Dhilippan M. Panneerselvam, Muthukumaran Packirisamy

Notice bibliographique

RevueEnergies · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Fuel Cells and Bioremediation
Établissements canadiensDalhousie UniversityConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésVoltagePower (physics)Maximum power principleComputer scienceElectrical engineeringBiological systemElectronic engineeringEngineeringPhysicsBiology

Résumé

récupéré en direct d'OpenAlex

A micro-photosynthetic power cell (µPSC) generates electricity through the exploitation of living photosynthetic organisms through the principles of photosynthesis and respiration. Modeling such systems will enhance insights into the µPSC that can be employed to design real-time applications from µPSC. In this study, the bio-inspired electrical equivalent modeling of the array of µPSC is elucidated. The model is validated for array configurations of the micro-photosynthetic power cells. The developed arrayed model foresees the steady-state response at various electrical loadings. The polarization characteristics of the current-voltage (I-V) and current-power (I-P) characteristics of the array of µPSC in series and parallel, and their combinations in series and parallel connected µPSCs were validated with the experimental results. From this analysis, it is predicted that the arraying of the µPSC in the combination of series and parallel is the optimal array strategy to obtain the desired voltage and current from the µPSC such that it can be used to power real-time low and ultra-low power 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 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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,014
Tête enseignante GPT0,202
Écart entre enseignants0,188 · 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'étudeSimulation ou modélisation
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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetMicrobial Fuel Cells and BioremediationTravaux en français237 207