MétaCan
Menu
Retour à la cohorte
Enregistrement W4404025573 · doi:10.1021/acssensors.4c00852

High-Performance Triboelectric Nanogenerator Based on Silk Fibroin-MXene Composite Film for Diagnosing Insomnia Symptoms

2024· article· en· W4404025573 sur OpenAlexaff
Xueqiang Tan, Zuyi Huang, Chang Lu, Hairun Pei, Zongchao Jia, Jimin Zheng

Notice bibliographique

RevueACS Sensors · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésTriboelectric effectNanogeneratorMaterials scienceFibroinComposite numberComposite materialSILKNanotechnology

Résumé

récupéré en direct d'OpenAlex

In this study, we developed a flexible, biocompatible, and high-output electrical performance triboelectric nanogenerator (TENG) employing a silk fibroin (SF)-MXene composite film (SF-MXene-F) and a PDMS film as the friction layer. The inclusion of MXene in the SF film increased its surface charge density, presenting a practical approach to designing high-performance SF composite film-based TENGs. At a MXene content of 40%, our SF-MXene composite film-based TENG (SF-MXene-FTENG) achieved optimal output electrical performance, featuring a maximum open-circuit voltage (Voc) of 418 V, a maximum short-circuit current (Isc) of 11.6 μA, and a maximum output power density of 9.92 W/m 2 . The Voc and power densities of the SF-MXene-FTENG surpassed previously reported optimal values for SF-based TENGs by 1.6 and 3.8 times, respectively. Furthermore, leveraging the exceptional biocompatibility and light shading performance of TENGs, we designed a wearable smart TENG eye mask capable of diagnosing insomnia symptoms and monitoring sleep quality in real time. The SF-MXene-FTENG holds promising application potential as a wearable electronic device for diagnosing sleep-related diseases.

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 Opus0,008
Tête enseignante GPT0,210
Écart entre enseignants0,203 · 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

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS SensorsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207