Surface Air Plasma Treatment of Laser-Induced Graphene-Based Electrodes for Enhanced Electrochemical Sensing Performance
Notice bibliographique
Résumé
Laser-induced graphene (LIG) is a cost-effective and sustainable single-step electrode fabrication technique for electrochemical applications that eliminates the need for additional materials or complex processing. Plasma treatment has been applied to enhance the electrochemical performance of LIG electrodes. However, the effect of varying treatment durations on LIG performance remains unexplored, leaving a gap in understanding whether electrochemical properties improve gradually with increased exposure time. We investigate the effect of air plasma treatment time (0–120 s) on the electrochemical and material properties of LIG electrodes. Treatment intervals are set at 10 s from 0–60 s for detailed trend analysis, with an extended 120 s point. Cyclic voltammetry (CV) and material characterization techniques determine the optimal treatment time of the 50 s that enhances sensor performance by balancing increased surface reactivity with overexposure. Compared to untreated electrodes, the optimized electrodes exhibited a 243% increase in CV current, a 25-fold reduction in charge transfer resistance ( R ct ) measured via electrochemical impedance spectroscopy (EIS), a 10-fold lower limit of detection (LOD) for potassium ferrocyanide/ferricyanide. Additionally, the treated sensors maintained stable performance over 14 days, demonstrating their long-term reliability. These findings highlight the importance of plasma treatment optimization in enhancing the performance of LIG-based electrochemical sensors.
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 ».