Fully Printed Organic Electrochemical Transistors With Low‐Resistance Electrodes on Planarized 3D‐Printed Substrates
Notice bibliographique
Résumé
ABSTRACT This work presents a novel methodology for fabricating organic electrochemical transistors (OECTs) integrated with planarized 3D‐printed substrates, offering a scalable approach to integrate functional electronics into 3D‐printed systems. By combining fused deposition modeling (FDM) with in situ surface ironing, dispense printing for low‐resistance silver electrodes, and inkjet printing for high‐quality poly(3,4‐ethylenedioxythiophene) polystyrene sulfonate (PEDOT:PSS) channels, we achieve high‐performance transistors with an average transconductance (g m ) of 78.2 mS, one of the highest values reported in the literature. OECTs integrated with planarized 3D printed substrates are compared to devices fabricated on glass substrates and achieved comparable performance. The thick, low‐resistance electrodes produced via dispense printing are critical for this performance, demonstrating the technique's suitability for OECT manufacturing. This study establishes a process for integrating OECTs with 3D‐printed structures, paving the way for customizable, application‐specific electronic devices. By addressing key challenges in material compatibility and integrated fabrication, this work contributes to advancing the fields of bioelectronics, wearables, and additive manufacturing.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».