MétaCan
Menu
Retour à la cohorte
Enregistrement W1992929116 · doi:10.1149/1.3372607

(Invited) Microfabricated Nanocomposite Polymers and Thin Films for Flexible Substrate Microfluidics and MEMS

2010· article· en· W1992929116 sur OpenAlexafffund
Bonnie L. Gray

Notice bibliographique

RevueECS Transactions · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCMC Microsystems
Mots-clésMicrofluidicsMaterials scienceMicroelectromechanical systemsNanotechnologyFabricationConductive polymerPolymerMicropatterningSubstrate (aquarium)ActuatorElectrical conductorElectrical engineeringEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

While many materials have been employed to fabricate microelectromechanical systems (MEMS) and microfluidic systems for lab-on-a-chip, polymers are under increasing focus to realize highly flexible microinstrumentation that can conform to the body or other surfaces. Polymers are also optically transparent, biocompatible, and inexpensive. For MEMS and microfluidics, active devices such as actuators, as well as conductive tracks for read-out and control electronics, are also required, but may be difficult to implement on polymers. This paper discusses new approaches to the development of highly flexible MEMS and microfluidics, including highly conductive and magnetic nanocomposite polymers for active devices and conductive tracks. Hybrid systems fabrication employing these polymers, as well as fabrication of thin-film-metal-on-polymer devices, is also presented. The preparation, micropatterning, and integration of the different polymers is discussed, together with materials characterization, and example devices including: flexible printed circuit boards; sensor microelectrodes; and micromagnets for miniaturized actuators and microfluidic interconnect structures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,049
Score d'incertitude au seuil0,652

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,216
Écart entre enseignants0,206 · 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 tête enseignante, 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

Citations7
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueECS TransactionsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207