将多种独立的信号处理策略结合在单个设备中的人工突触是实现类脑计算中高密度集成、能源效率和快速数据处理的关键因素。通过控制功能复杂性,在突触装置中使用由多种材料组成的混合物作为活性成分代表了在突触回路中编码短期增强 (STP) 和长期增强 (LTP) 的有效途径。为了应对这一巨大挑战,本文开发了一种新型 Janus 2D 材料,通过在 2D 二硫化钼 (MoS 2 ) 的两个表面上不对称地涂覆电化学可切换的二茂铁 (Fc)/二茂铁 (Fc + ) 氧化还原对和光响应的光致变色偶氮苯 (Azo) 来制备。通过改变电化学刺激的强度,可以控制 STP 和 LTP 之间的转变,从而触发 MoS 2 上 Fc/Fc + 对的电化学掺杂或控制此类氧化还原物质在 MoS 2 上的吸附/解吸过程。此外,通过激活偶氮苯化学吸附分子的光异构化并因此调节 2D 半导体的偶极子诱导掺杂,可以记录较低强度的 LTP。值得注意的是,电化学和光学刺激的相互作用使得构建人工突触成为可能,其中 LTP 可以提升到 4 位(16 个记忆状态),同时用作 STP。
摘要:激光铭刻的石墨烯(LIG)是一种用于微电子应用的新兴材料,用于开发超级电容器,软执行器,互动发电机和传感器。制造技术很简单,但是文献中没有很好地记录了LIG质量的批处理变化。在这项研究中,我们进行了实验,以表征在电化学传感中应用的LIG电极制造中的批处理变化。在聚酰亚胺膜上使用CO 2激光系统合成了许多批次36个LIG电极。使用角膜测量法,立体显微镜,开路电位计和环状伏安法进行了LIG材料。疏水性和电化学筛选(循环伏安法)表明使用商业参考和反电极时,LIG电极批处理变化小于5%。金属化的lig化导致峰值电流和特定电容(阳极/阴极曲线之间的面积)显着增加。但是,批处理变化增加到约30%。研究了两种不同的铂电沉积技术,包括电静态和频率调节的电沉积。研究表明,具有高特异性电容和峰值电流的金属级连杆电极的形成可能是以高批量变异性为代价的。文献中尚未讨论此设计权衡,如果需要进行大规模使用的扩展传感器设计,这是一个重要的考虑。该研究的数据集可通过开放访问存储库获得。这项研究为LIG材料特性的变化提供了重要的见解,以扩展LIG传感器的可扩展开发。需要进行其他研究来了解这种变异性的潜在机制,以便可以开发提高重复性的策略来改善质量控制。
重金属离子在人体中的积累会造成严重损害。这些离子的跟踪和去除是非常必要的,并且由于快速响应,高灵敏度和低但较大的检测范围而通过电化学传感器完成。在这方面,电极的表面在电化学性能中起关键作用。在这里,我们提出了过去对工作进行的详细回顾,以通过测试碳纳米颗粒(即石墨烯或石墨烯衍生物及其与其他纳米颗粒的组合。将石墨烯或石墨烯与其他有机或无机材料混合形成纳米复合材料,有助于检测各种重金属离子,例如镉,汞,铜,铜,铅,铅,锌等。在自来水或食品中。本评论文章包括该领域的综合方法,工作机制,优势,缺点和未来招股说明书。©2025 Bumi Publikasi Nusantara
和米利肯。2004 年,我成为一名企业家,开发和利用防弹纤维用于国防应用。当时市场对新材料的需求强劲,然而,随着技术的发展和规模冲突的解决以及全球金融危机的袭来。虽然技术转向复合材料,但需求并不像我们预想的那样匹配。结果,新的管理层接手了,我转而进入电池行业。2011 年,我创办了一家名为 Dreamweaver 的公司。Dreamweaver 生产用于锂离子电池的高温热阻隔膜。我们承包生产该技术并进行营销。挑战在于,电池行业不会接受单一来源生产来广泛采用新技术。2017 年,我们创办了 Soteria,它基于联盟和许可模式,我们在其中推广、开发和营销电池安全技术。
必须开发具有高容量电极和更环保、更经济、更稳定的系统的平面片上微电池,这对于为即将推出的微型片上系统智能设备供电至关重要。然而,由于制造工艺复杂、循环过程中微电极的稳定性以及在有限的设备体积内保持更高容量的挑战,高稳定性微电池领域的研究受到限制。为了满足这一需求,本研究专注于提供高度稳定和高容量的微电极。这涉及在电极材料和集电器之间添加 PEDOT 层,应用于平面聚苯胺阴极和锌阳极设备结构中以增强电荷存储性能。这种简单的策略不仅可以提高设备在长期循环中的稳定性并降低电荷转移阻力,还可以将 0.1 mA cm − 2 时的电荷存储容量从 17.64 μ Ah cm − 2 提高到 19.75 μ Ah cm − 2 。因此,锌离子微电池实现了显著的峰值面积能量和功率,分别为 18.82 μ Wh cm − 2 和 4.37 mW cm − 2。这项工作提出了一种有效的策略来提高平面微电池的电化学性能,这对先进便携式电子产品的发展至关重要。
摘要 本研究研究了三维电化学工艺对外来化合物纺织废水中甲基橙 (MO) 染料污染物的脱色性能。采用具有强氧化电位的电化学技术处理纺织染料,并采用附加吸附技术有效去除废水中的染料污染物。在电流密度为 15 mA/cm 2、能耗为 3.62 kWh/kg 和电流效率为 79.53% 的情况下,MO 去除率约为 98%。在电流密度为 15 mA/cm 2 时,50 mg/L MO 污染物迅速矿化,半衰期为 4.66 分钟。此外,在三维电化学反应器中对石墨插层化合物 (GIC) 进行电极化,以增强直接电氧化和 . OH 的生成,从而提高协同处理效率。利用人工智能(AI)和机器学习(ML)技术,如人工神经网络(ANN)、支持向量机(SVM)和随机森林(RF)算法,对MO污染废水的脱色进行了优化。统计指标表明,模型的优越性顺序为:ANN>RF>SVM>多元回归。人工神经网络(ANN)和随机森林(RF)方法对工艺参数的优化结果表明,电流密度为15 mA/cm 2、电解时间为30分钟、初始MO浓度为50 mg/L是维持电化学反应器电流和能源效率的最佳操作参数。最后,蒙特卡洛模拟和敏感性分析表明,ANN的预测效率最好,不确定性和变异性水平最低,而随机森林的预测结果略好。
©2022 Elsevier出版。此手稿可在Elsevier用户许可证下提供https://www.elsevier.com/open-access/userlicense/1.0/