Abstract Droplet‐based electricity generators (DEGs) are increasingly recognized for their potential in converting renewable energy sources. This study explores the interplay of surface hydrophobicity and stickiness in improving DEG efficiency. It find that the high‐performance C‐WaxDEGs leverage both these properties. Specifically, DEGs incorporating polydimethylsiloxane (PDMS) with carnauba wax (C‐wax) exhibit increased output as surface stickiness decreases. Through experimental comparisons, PDMS with 1wt.% C‐wax demonstrated a significant power output increase from 0.07 to 1.2 W m − 2 , which attribute to the minimized adhesion between water molecules and the polymer surface, achieved by embedding C‐wax into PDMS surface to form microstructures. This improvement in DEG performance is notable even among samples with similar surface potentials and contact angles, suggesting that C‐wax's primary contribution is in reducing surface stickiness rather than altering other surface properties. The further investigations into the C‐WaxDEG variant with 1wt.% C‐wax PDMS uncover its potential as a sensor for water quality parameters such as temperature, pH, and heavy metal ion concentration. These findings open avenues for the integration of C‐WaxDEGs into flexible electronic devices aimed at environmental monitoring.

Background Cervical cancer, a severe threat to women’s health, is experiencing a global increase in incidence, notably among younger demographics. With artificial intelligence (AI) making strides, its integration into medical research is expanding, particularly in cervical cancer studies. This bibliometric study aims to evaluate AI’s role, highlighting research trends and potential future directions in the field. Methods This study systematically retrieved literature from the Web of Science Core Collection (WoSCC), employing VOSviewer and CiteSpace for analysis. This included examining collaborations and keyword co-occurrences, with a focus on the relationship between citing and cited journals and authors. A burst ranking analysis identified research hotspots based on citation frequency. Results The study analyzed 927 articles from 2008 to 2024 by 5,299 authors across 81 regions. China, the U.S., and India were the top contributors, with key institutions like the Chinese Academy of Sciences and the NIH leading in publications. Schiffman, Mark, featured among the top authors, while Jemal, A, was the most cited. ‘Diagnostics’ and ‘IEEE Access’ stood out for publication volume and citation impact, respectively. Keywords such as ‘cervical cancer,’ ‘deep learning,’ ‘classification,’ and ‘machine learning’ were dominant. The most cited article was by Berner, ES; et al., published in 2008. Conclusions AI’s application in cervical cancer research is expanding, with a growing scholarly community. The study suggests that AI, especially deep learning and machine learning, will remain a key research area, focusing on improving diagnostics and treatment. There is a need for increased international collaboration to maximize AI’s potential in advancing cervical cancer research and patient care.

A root-like waterborne hyperbranched polymer, synthesized from diethylenetriamine (DETA) and methyl acrylate (MA) monomers, was inspired by the effect of solidifying soil with tree roots. This polymer was then blended with aqueous isocyanate SK615, known as MD-HBP-NH