MétaCan
Menu
Retour à la cohorte
Enregistrement W4399549063 · doi:10.1002/admt.202400348

Exploring Microwave Reconfigurable Intelligent Surface for Wireless VOC Detection: A Comparative Study of Porous and Solid PDMS Interfaces

2024· article· en· W4399549063 sur OpenAlexafffund
Hamed Mirzaei, Omid Niksan, Mohammad Arjmand, Mohammad H. Zarifi

Notice bibliographique

RevueAdvanced Materials Technologies · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueGas Sensing Nanomaterials and Sensors
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistère de la Défense NationaleCanada Research ChairsCMC Microsystems
Mots-clésMaterials scienceMicrowaveWirelessPorosityNanotechnologyComputer scienceComposite materialTelecommunications

Résumé

récupéré en direct d'OpenAlex

Abstract Microwave gas monitoring with a low‐profile design and enhanced selectivity remains a persistent challenge. This study introduces an innovative approach employing a real‐time wireless reconfigurable intelligent surface (RIS) for comparative investigation of the interaction of two distinct polydimethylsiloxane (PDMS) interfaces, i.e., solid and porous, with acetone gas molecules. The developed PDMS‐coated microwave RIS detects varying concentrations of acetone vapor by wirelessly monitoring variations in the resonant characteristics of the resonating RIS beneath the sensitive interface. This PDMS‐coated microwave RIS is validated through exposure to incremental (15–75) parts per thousand (ppt) acetone concentrations and demonstrated a sensitivity of ≈4.4 MHz/ppt and ≈4.3 MHz/ppt of acetone for solid and porous PDMS, respectively. Integrating PDMS and microwave‐based RIS systems provides a sensitive tool for tracking the interaction of acetone gas and PDMS and demonstrates this system's capability for sensitive gas detection. This study introduces a unique development in the wireless detection of VOCs and presents a compact and passive approach with enhanced sensitivity, making it suitable for monitoring the interaction of polymers and hazardous VOCs. This technology is particularly suited for use in challenging and hard‐to‐reach environments.

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: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,901

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,066
Tête enseignante GPT0,275
Écart entre enseignants0,210 · 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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Materials TechnologiesMême sujetGas Sensing Nanomaterials and SensorsTravaux en français237 207