Double-Side-Coated Nanomechanical Membrane-Type Surface Stress Sensor (MSS) for One-Chip–One-Channel Setup
Notice bibliographique
Résumé
With their capability for real-time and label-free detection of targets ranging from gases to biological molecules, nanomechanical sensors are expected to contribute to various fields, such as medicine, security, and environmental science. For practical applications, one of the major issues of nanomechanical sensors is the difficulty of coating receptor layers on their surfaces to which target molecules adsorb or react. To have measurable deflection, a single-side coating is commonly applied to cantilever-type geometry, and it requires specific methods or protocols, such as inkjet spotting or gold-thiol chemistry. If we can apply a double-side coating to nanomechanical sensors, it allows almost any kind of coating technique including dip coating methods, making nanomechanical sensors more useful with better user experiences. Here we address the feasibility of the double-side coating on nanomechanical sensors demonstrated by a membrane-type surface stress sensor (MSS) and verify its working principle by both finite element analysis (FEA) and experiments. In addition, simple hand-operated dip coating is demonstrated as a proof of concept, achieving practical receptor layers without any complex instrumentation. Because the double-side coating is compatible with batch protocols such as dip coating, double-side-coated MSS represents a new paradigm of one-chip-one-channel (channels on a chip are all coated with the same receptor layers) shifting from the conventional one-chip-multiple-channel (channels on a chip are coated with different receptor layers) paradigm.
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 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 | 0,000 |
| 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) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».