MétaCan
Menu
Retour à la cohorte
Enregistrement W4409049074 · doi:10.1021/acsomega.4c11667

Recent Advances on the Gas-Sensing Properties and Mechanism of Perovskite Oxide Materials - A Review

2025· review· en· W4409049074 sur OpenAlexaff
Nafis Ahmad, Prakash Kanjariya, G. Padma Priya, Anjan Kumar, Mukesh Kumari, Manoj Kumar Mishra

Notice bibliographique

RevueACS Omega · 2025
Typereview
Langueen
DomaineEngineering
ThématiqueGas Sensing Nanomaterials and Sensors
Établissements canadiensImpact
Organismes subventionnairesDeanship of Scientific Research, King Khalid University
Mots-clésMaterials sciencePerovskite (structure)NanotechnologyHeterojunctionOxideSurface modificationDopingChemical engineeringOptoelectronics

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide Perovskite oxide-based materials (ABO 3 ) have gained much attention as promising candidates for advanced gas-sensing applications due to their versatile structures, tunable properties, and excellent stability. This review discusses recent developments in the synthesis, structural optimization, and functionalization of perovskites to enhance their gas-sensing performance. Strategies such as doping, creating oxygen vacancies, tuning morphology, and forming heterojunctions have significantly improved their sensitivity, selectivity, response, and recovery times. Specific advances include the incorporation of nanostructures, porous morphologies, and catalytic elements, which have optimized the adsorption and desorption processes for various target gases, including volatile organic compounds, NO 2, and CO 2 . Mechanistic insights into the role of oxygen vacancies, surface defects, and charge carrier dynamics are also addressed. These developments position perovskite materials as important components in next-generation gas sensors for environmental monitoring and industrial 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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,041
Tête enseignante GPT0,253
Écart entre enseignants0,211 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS OmegaMême sujetGas Sensing Nanomaterials and SensorsTravaux en français237 207