MétaCan
Menu
Retour à la cohorte
Enregistrement W4408328617 · doi:10.1002/admt.202401922

Facile Synthesis of a Carbon Nano Dot‐Based Wearable Flexible Thermoelectric Device

2025· article· en· W4408328617 sur OpenAlexfundno aff
Al Jumlat Ahmed, Joseph F. Olorunyomi, Shiqin Yan, Christopher D. Easton, Farnaz Zadehahmadi, Yannan Lu, Daniel Liang, Xavier Mulet, Cara M. Doherty

Notice bibliographique

RevueAdvanced Materials Technologies · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Thermoelectric Materials and Devices
Établissements canadiensnon disponible
Organismes subventionnairesCanada Excellence Research Chairs, Government of CanadaCommonwealth Scientific and Industrial Research Organisation
Mots-clésNano-Thermoelectric effectMaterials scienceWearable computerNanotechnologyCarbon fibersWearable technologyQuantum dotComputer scienceEmbedded systemComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract A facile method of synthesizing flexible thin films of carbon nano dots (CNDs) and Polyvinyl Pyrrolidone (PVP) on cellulose based substrates is developed and their thermoelectric properties are demonstrated through the fabrication of a wearable device. Alongside enhanced thermoelectric performance, the CND thin films are biocompatible, low cost and scalable, all essential criteria for wearable thermoelectric devices. A critical window of the CND loading concentration on the cellulose‐based substrate is observed, with significantly enhanced Seebeck coefficient and Power Factor of thin films, demonstrating that the trade‐off principles for thermoelectric materials must be carefully tuned. The highest Seebeck coefficient of –358.45 µV·K −1 , power factor of 0.03 µW·m −1 ·K −2 and the lowest thermal conductivity of 0.086 W·m −1 ·K −1 at room temperature is achieved with a CND loading concentration of 9.32 g cm −2 . A wearable thermoelectric device is fabricated using n‐type CND films with copper electrodes. When worn, the device can generate voltage and current of ≈70 mV and ≈15 nA, respectively, at ΔT of 10 K.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,016
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,009
Tête enseignante GPT0,251
Écart entre enseignants0,242 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Materials TechnologiesMême sujetAdvanced Thermoelectric Materials and DevicesTravaux en français237 207