Droplet Triboelectrification on Liquid‐Like Polymer Brushes
Notice bibliographique
Résumé
Abstract Solid–liquid triboelectric nanogenerators offer promising energy harvesting and sensing capabilities, yet the role of wettability parameters in governing triboelectrification remains underexplored. Here, the triboelectrification of water droplets on liquid‐like polymer brush‐coated surfaces with varying chemical compositions and contact angle hysteresis is explored. Triboelectrification signals are measured as droplets slide across spatially distributed electrodes; high‐speed imaging correlates the current output with droplet motion. By varying droplet velocity, travel distance, and electrode distribution, an optimal balance is identified for maximizing signal output, with measured currents ranging from ≈2–21 nA for polyethylene glycol, polydimethylsiloxane, and perfluoropolyether brush‐coated surfaces. The effect of changing the contact area is also examined by compressing and decompressing droplets between two polymer brush‐coated surfaces, where the contact area is expanded up to 10 times. This enables precise control over the rate of contact area change, which is found to exhibit the strongest influence on triboelectrification signals, yielding current peaks exceeding 300 nA. As a potential application, electrode patterning is combined with wettability channels to enable mechanical pressure sensing, where increasing pressure triggers contact with multiple electrodes, generating current signals ≈20 nA. This work highlights the role of interfacial dynamics and surface chemistry in shaping triboelectric output.
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 ».