Formulation et impression d'une nouvelle génération de matériaux inspirée du PEDOT pour applications en photonique imprimée
Bibliographic record
Abstract
Les capteurs électroniques sont utilisés dans une grande variété de domaines afin de répondre à différents besoins dans notre société. La médecine, la robotique et les téléphones intelligents en sont seulement quelques exemples qui marquent notre quotidien. Dans le cadre du Réseau canadien du CRSNG sur l'électronique imprimée verte (GreEN) le développement de capteurs (temps, température, humidité) imprimés à base de matériaux verts pour application dans les emballages intelligents figurent parmi les principaux objectifs de ce réseau pancanadien qui regroupe des chercheurs académiques de renom et des industriels du domaine de l'impression, de l'emballage et de l'alimentation. Le développement d'une étiquette « intelligente » permettrait la trace efficace, en temps réel, de produits alimentaires sensibles en assurant l'intégrité de la chaîne de froid afin de préserver la salubrité et les qualités gustatives des aliments. Plusieurs projets sont actuellement consacrés au développement de cet emballage fonctionnel dont le miens. En effet, mon projet de maîtrise vise principalement le développement d'un capteur de température imprimé en collaboration avec l'Institut National d'Optique (INO). Le principal objectif est de remplacer la thermistance à base de poly(3,4-ethylenedioxythiophene) polystyrène sulfonate (PEDOT:PSS) actuellement utilisé dans les capteurs de température développés à l'INO par un matériau dont les propriétés seraient indépendantes de l'humidité. Pour ce faire, des nouveaux matériaux, inspirés du PEDOT, ont été synthétisés et étudiés comme thermistance. Ces matériaux sont, contrairement au PEDOT:PSS qui est une suspension, 100% soluble dans l'eau ce qui facilite grandement l'impression. Dans le cadre de ce mémoire, la formulation, l'impression et la fabrication d'un capteur de température utilisant cette nouvelle génération de PEDOT seront présentés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".