Self-healing electronic skin with high fracture strength and toughness
Notice bibliographique
Résumé
Human skin is essential for perception, encompassing haptic, thermal, proprioceptive, and pain-sensing functions through ion movement. Additionally, it is mechanically resilient and self-healing for protection. Inspired by these unique properties, researchers have attempted to develop stretchable, self-healing sensors based on ion dynamics. However, most self-healing sensors reported to date suffer from low fracture strength and toughness. In this work, we present an ion-based self-healing electronic skin with exceptionally high fracture strength and toughness. We enhanced self-healing polymers and ionic conductors by introducing two types of orthogonal dynamic crosslinking bonds: dynamic aromatic disulfide bonds and 2-ureido-4-pyrimidone moieties. These dynamic bonds provide autonomous self-healing and high mechanical toughness even in the presence of ionic liquids. As a result, our self-healing polymer and self-healing ionic conductor exhibit remarkable stretchability (700%, 850%), fracture strength (34 MPa, 30 MPa), and toughness (78.5 MJ/m3, 87.3 MJ/m3), the highest values reported among self-healing ionic conductors to date. Using our materials, we developed various fully self-healing sensors and a soft gripper capable of autonomously recovering from mechanical damage. By integrating these components, we created a comprehensive self-healing electronic skin suitable for soft robotics applications. Stretchable and self-healing sensors based on ion dynamics usually suffer from low fracture strength and toughness. Here, the authors describe an ion-based self-healing electronic skin with autonomous self-healing, high mechanical toughness and fracture strength.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».