Sensing the future with graphene-based wearable sensors: A review
Notice bibliographique
Résumé
In this current era, the demand for wearable sensors is increasing in full swing due to their multiphase applications, from the human body to soft robotics. Different materials, including carbon nanotubes, nanowires, nanoparticles, graphene, and more, have been studied to develop cost-efficient, enhanced sensing-capable, multifunctional, easy-to-operate, and easy-to-process wearable sensors. It is a suitable choice for the wearable sensor due to its excellent sensing ability along with myriad suitable mechanical, physical, electrical, and thermal properties. Through the proper utilization of these characteristics of graphene, wearable sensors containing graphene and its derivatives are now widely studied in healthcare, environment protection, and artificial intelligence sectors. This review has comprehensively discussed the current progression of multiple types of graphene and its derivative-based wearable sensors. The specific applications of these different types of graphene wearable sensors, including pressure, strain, gas, electrophysiological sensors, etc., in different fields are broadly described. The design, fabrication process, working, and sensing mechanisms are elaborately discussed. The challenges and limitations of graphene-based wearable sensors, along with potential opportunities, are thoroughly described for further research direction to develop, upgrade, and continue the progression of graphene wearable sensors. • Graphene's exceptional properties make it a promising material for wearable sensors; hence, demand for it increases rapidly. • Sensors are being used in areas like health monitoring, textiles, environmental sensing, and more. • Graphene-based sensors are superior due to their effective applications, such as high sensitivity, low power consumption, and rapid response times. • Its high surface area and biocompatibility make it suitable for wearables. • Challenges and future of graphene-based wearables, including potential breakthroughs and emerging applications.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».