Patterning of Nano and Micromaterials on Polymer Substrates Using Spraying, Selective Laser Treatment, and Adhesive Delamination for Sensing Applications
Notice bibliographique
Résumé
Abstract Integrating conductive nanomaterials with polymer substrates in a scalable and low‐cost way is crucial for developing flexible electronics. This work presents a scalable process for integrating high‐quality nanomaterials with polymer films to fabricate flexible electrical devices by combining simple yet effective techniques. Various conductive patterns on polymer substrates are successfully created by utilizing a combination of nanomaterial spraying, laser treatment, and adhesive delamination. The laser treatment embeds the sprayed nanoparticles onto the polymer surface by partially melting the polymer and significantly enhancing their adhesion selectively in places where it traces a path. This method incorporates single‐walled carbon nanotubes, graphene, and molybdenum disulfide onto polymers such as polypropylene, polyvinylidene fluoride, and nylon, achieving a minimum line width of 350 µm. The versatility of this technique is demonstrated by fabricating a range of devices, including microheaters, temperature sensors, chemiresistive sensors, and electrochemical sensors. The fabricated devices exhibit excellent durability and stable performance, addressing the limitations of integrating nanomaterials into polymer films. Additionally, this method allows for precise control of conductivity and pattern complexity, making it suitable for various applications. This work contributes to the advancement of flexible electronics, providing a scalable and adaptable method for creating high‐performance devices.
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 ».