Facile Preparation of Carbon Nanotube‐Based Skin‐Like Pressure Sensors
Notice bibliographique
Résumé
Abstract Flexible sensors have garnered significant interest for their potential to monitor human activities and provide valuable feedback for healthcare purposes. Single‐walled carbon nanotubes (SWNTs) are promising materials for these applications but suffer from issues of poor purity and solubility. Dispersing SWNTs with conjugated polymers (CPs) enhances solution processability, yet the polymer sidechains can insulate the SWNTs, limiting the sensor's operating voltage. This challenge can be addressed by incorporating a self‐immolative linker into the sidechain of a poly(fluorene‐ co ‐phenylene) polymer, facilitating the fast and clean removal of sidechains and enabling the generation of high‐conductivity SWNT materials. In this work, the integration of this advanced material with polydimethylsiloxane (PDMS) to create skin‐like ultra‐wrinkled film surfaces in a simple, cost‐effective, and highly reproducible manner is demonstrated. The sensors exhibit remarkable sensitivity (1,655 kPa⁻¹) across a wide dynamic range (0.003–70.1 kPa, R 2 = 0.9931) when the wrinkle axis is aligned perpendicularly to the interdigitated electrode fingers. The sensor shows an almost instantaneous pressure response and maintains excellent stability. This sensor can monitor various human motions, from low‐intensity activities such as breathing, pulse, and voice vibrations to high‐intensity actions like walking and jumping, highlighting their potential use in wearable human health monitoring systems.
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 | 0,000 |
| 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 ».