Conductive Covalent Organic Frameworks as Chemiresistive Sensor Arrays for the Detection and Differentiation of Gasotransmitters
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide This paper describes a chemiresistive sensor array using four structurally analogous, but chemically distinct, conductive covalent organic frameworks (COFs) (M-COF-DC-8, M = Fe, Co, Ni, and Cu) capable of detecting and differentiating four important gaseous analytes: nitric oxide (NO), carbon monoxide (CO), hydrogen sulfide (H 2 S), and ammonia (NH 3 ). The COFs were synthesized from the condensation of 2,3,9,10,16,17,23,24-octaamino-metallophthalocyanine precursors with pyrenetetraone linkers resulting in chemically robust and electrically conductive materials. Chemiresistive sensing experiments, together with machine learning to parse the response pattern of the sensor array, show that the M-COF-DC-8 (M = Fe, Co, Ni, Cu) materials can detect and differentiate this suite of oxidizing and reducing gases at parts-per-million concentrations, with theoretical limits of detection (LOD) in the parts-per-billion range in dry N 2 . Importantly, the COF array containing M-COF-DC-8 (M = Co, Ni, Cu) retains its ability to detect and differentiate these analytes in air and humidity under low power consumption. Spectroscopic investigations reveal that the synthetic control over the identity of the metallophthalocyanine core efficiently tunes material–analyte interactions and, therefore, emergent device performance. The use of highly tunable COFs as the active material in sensor arrays enables low-power, sensitive, and real-time gas detection with future applications in healthcare and personal protection.
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.
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 | 0,001 |
| 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 découle