Electrospun Lignin/ZnO Nanofibrous Membranes for Self‐Powered Ultrasensitive Flexible Airflow Sensor and Wearable Device
Notice bibliographique
Résumé
Abstract The interest and demand for flexible sensors and wearable devices are rapidly growing. The added benefit of electricity generation, enabling gas sensors to be self‐powered, increases the applicability of these devices for flexible and wearable airflow sensors. Inspired by water evaporation‐induced power generation, this study explores its potential in sensing applications, which has not yet been explored in detail. Electrospinning technology is used to prepare superhydrophilic lignin/ZnO nanofibrous membranes with a ZnO nanoparticle layer, capable of generating at least 100 mV (which allows it to power its own signal transduction). The membrane is highly sensitive to variations in airflow, enabling its use as an ultrasensitive and flexible airflow sensor. This sensor demonstrates exceptional performance, including a fast response time (0.65 s), broad detection range (with lower detection limit down to 0.25 and upper detection limit of 3 m s −1 ), and extremely high airflow velocity detection accuracy. Beyond these, it can serve as a wearable sensor for sweat monitoring, motion detection, and breath monitoring (to accurately detect breathing rate, intensity and variations in speech). Such self‐powered, ultrasensitive, and flexible lignin/ZnO airflow sensors provide novel potential to advance the development of smart textiles and wearable electronics.
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 | 0,000 |
| 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 ».