MétaCan
Menu
Retour à la cohorte
Enregistrement W1984681878 · doi:10.1063/1.4709387

Electronic detection of dielectrophoretic forces exerted on particles flowing over interdigitated electrodes

2012· article· en· W1984681878 sur OpenAlexaff
Marija Nikolic‐Jaric, Sean F. Romanuik, Graham A. Ferrier, Tim Cabel, Elham Salimi, David B. Levin, Greg E. Bridges, D. J. Thomson

Notice bibliographique

RevueBiomicrofluidics · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of TorontoSimon Fraser UniversityUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésDielectrophoresisDragElectrodeDielectricLift (data mining)Particle (ecology)MicrofluidicsMechanicsMaterials scienceBody forceNanotechnologyOptoelectronicsPhysicsComputer science

Résumé

récupéré en direct d'OpenAlex

Dielectric particles flowing through a microfluidic channel over a set of coplanar electrodes can be simultaneously capacitively detected and dielectrophoretically (DEP) actuated when the high (1.45 GHz) and low (100 kHz-20 MHz) frequency electromagnetic fields are concurrently applied through the same set of electrodes. Assuming a simple model in which the only forces acting upon the particles are apparent gravity, hydrodynamic lift, DEP force, and fluid drag, actuated particle trajectories can be obtained as numerical solutions of the equations of motion. Numerically calculated changes of particle elevations resulting from the actuation simulated in this way agree with the corresponding elevation changes estimated from the electronic signatures generated by the experimentally actuated particles. This verifies the model and confirms the correlation between the DEP force and the electronic signature profile. It follows that the electronic signatures can be used to quantify the actuation that the dielectric particle experiences as it traverses the electrode region. Using this principle, particles with different dielectric properties can be effectively identified based exclusively on their signature profile. This approach was used to differentiate viable from non-viable yeast cells (Saccharomyces cerevisiae).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,202
Écart entre enseignants0,194 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomicrofluidicsMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207