Flexible Piezoelectric Nanogenerator with a Ferroelectric Metal–Ligand Cage for Self-Powered Sensor Applications
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Ferroelectric materials have emerged as promising candidates for piezoelectric nanogenerators, attributed to their superior energy conversion efficiency derived from inherent polarization characteristics. Polar metal–ligand assemblies represent advantageous alternatives to conventional inorganic ceramics and organic polymers, offering tunable electronic properties, environmental benignity, and enhanced energy conversion capabilities. We demonstrate an octahedral [[Co 6 (H 2 O) 12 (TPTA) 8 ](NO 3 ) 12 ·50H 2 O] cage assembly exhibiting pronounced ferroelectric behavior, characterized by a P–E hysteresis loop with a remnant polarization of 6.84 μC cm –2 . The ferroelectric and piezoelectric properties of 1 were unambiguously confirmed through the visualization of electrical domains in single crystals and crystalline thin films via piezoresponse force microscopy (PFM). Single-point, bias-dependent PFM spectroscopy measurements revealed characteristic amplitude-butterfly and phase-hysteresis loops, substantiating the piezoelectric nature of the material. Piezoelectric energy harvesting investigations conducted on polydimethylsiloxane (PDMS) composite materials revealed a maximum peak output voltage of 12.20 V and a power density of 14.85 μW cm –2 for the optimized 20 wt % 1 -PDMS composite device. The practical utility was validated through the implementation of a smart pressure sensor, wherein a mat device, constructed from five parallel-connected independent devices, successfully functioned as a sensor capable of illuminating a commercial LED under gentle mechanical stimulation. These findings establish the potential of this cage system for integration into self-powered sensor technologies.
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) | 0,001 | 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 ».