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 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 | 0,001 |
| 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 ».