MétaCan
Menu
Retour à la cohorte
Enregistrement W2014557243 · doi:10.1115/imece2010-39278

Experimental Technique for Sensing Droplet Position in Digital Microfluidic Systems Using Capacitance Measurement

2010· article· en· W2014557243 sur OpenAlexafffund
Heather Martin, Miguel Angel Murran, Rachael L’Orsa, Homayoun Najjaran

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrowetting and Microfluidic Technologies
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesUniversity of British Columbia
Mots-clésCapacitanceMicrofluidicsElectrodeCapacitance probePosition (finance)Materials scienceDigital microfluidicsOptoelectronicsElectronic engineeringNanotechnologyPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Capacitance measurement has been identified as an effective technique for droplet position sensing in digital microfluidic systems mainly due to its non-intrusive nature. In essence, this technique relies on the correlation between the capacitance of two top-bottom electrodes with the amount of droplet overlap on the electrode. This paper describes an experimental setup used to gather capacitance data from a set of electrodes with varying droplet overlap to determine the droplet position. A prototype closed digital microfluidic (DMF) system consisting of an array of electrodes in the form of a 2 × 2 matrix was fabricated. A circular droplet was positioned on the DMF system, and capacitance measurements for each of the four electrodes were taken using a fast data acquisition device. A sufficiently accurate approximation of the droplet position was made using the four capacitance measurements. The paper presents the experimental results and also discusses the sources of error, viability of the experimental setup and manufacturing procedure for use in the development of capacitance measurement droplet position sensing techniques.

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 enseignants0,213
Score d'incertitude au seuil0,668

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 Opus0,015
Tête enseignante GPT0,221
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

Citations0
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetElectrowetting and Microfluidic TechnologiesTravaux en français237 207