MétaCan
Menu
Retour à la cohorte
Enregistrement W1995767141 · doi:10.1021/la048203e

Tradeoff between Mixing and Transport for Electroosmotic Flow in Heterogeneous Microchannels with Nonuniform Surface Potentials

2004· article· en· W1995767141 sur OpenAlexafffund
Fuzhi Tian, Baoming Li, Daniel Y. Kwok

Notice bibliographique

RevueLangmuir · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Capillary Electrophoresis Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMixing (physics)Flow (mathematics)MechanicsSurface (topology)ChemistryElectro-osmosisMaterials scienceElectrokinetic phenomenaThermodynamicsChromatographyNanotechnologyPhysicsElectrophoresis

Résumé

récupéré en direct d'OpenAlex

Electroosmotic flow (EOF) is a phenomenon associated with the movement of an aqueous solution induced by the application of an electric field in microchannels. The characteristics of EOF depend on the nature of the surface potential, i.e., whether it is uniform or nonuniform. In this paper, a lattice Boltzmann model (LBM) combined with the Poisson-Boltzmann equation is used to simulate flow field in a rectangular microchannel with nonuniform (step change) surface potentials. The simulation results indicate that local circulations can occur near a heterogeneous region with nonuniform surface potentials, in agreement with those by other authors. Largest circulations, which imply a highest mixing efficiency due to convection and short-range diffusion, were found when the average surface potential is zero, regardless of whether the distribution of the heterogeneous patches is symmetric or asymmetric. In this work, we have illustrated that there is a trade-off between the mixing and liquid transport in EOF microfluidics. One should not simply focus on mixing and neglect liquid transport, as performed in the literature. Excellent mixing could lead to a poor transport of electroosmotic flow in microchannels.

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 enseignants0,041
Score d'incertitude au seuil0,559

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 Opus0,006
Tête enseignante GPT0,186
Écart entre enseignants0,180 · 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

Citations55
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLangmuirMême sujetMicrofluidic and Capillary Electrophoresis ApplicationsTravaux en français237 207