MétaCan
Menu
Retour à la cohorte
Enregistrement W2021404456 · doi:10.1063/1.4893564

Benchtop fabrication of multi-scale micro-electromagnets for capturing magnetic particles

2014· article· en· W2021404456 sur OpenAlexaff
Amin Hosseini, Leyla Soleymani

Notice bibliographique

RevueApplied Physics Letters · 2014
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésFabricationElectromagnetMaterials sciencePermalloyElectrical conductorNanotechnologyMagnetMagnetic nanoparticlesElectrical engineeringMagnetic fieldMagnetizationEngineeringComposite materialNanoparticlePhysics

Résumé

récupéré en direct d'OpenAlex

Micro-electromagnets hold great promise for integration into portable and handheld lab-on-a- chip systems applicable to point-of-care disease management. Two major requirements must be satisfied in order for such devices to be applicable into practical, miniaturized, and portable biomedical instrumentation: low power operation and low-cost fabrication. In this paper, we use numerical modeling combined with a lithography-free fabrication process to create micro-electromagnets on a polymer substrate. Numerical modeling reveals that active-passive devices—ferromagnetic layers coupled with current-controlled planar coils—are essential for generating a sufficient magnetic force for magnetic particle manipulation at low currents (<50 mA). In addition, it is shown that current carrying conductors created from micro/nanotextured materials further enhance the generated magnetic force at a given current. To combine low-cost fabrication with low-current operation, we developed a benchtop fabrication method based on craft cutting, polymer induced thin film wrinkling, and electrodeposition to create a multilevel arrangement of multi-scale materials essential for low-current operation. We demonstrate that the fabricated active-passive devices featuring wrinkled copper active layers and permalloy passive layers capture 2.8 μm magnetic particles upon the application of a 35 mA current.

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 enseignants0,289
Score d'incertitude au seuil0,639

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 Opus0,009
Tête enseignante GPT0,209
Écart entre enseignants0,200 · 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

Citations10
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physics LettersMême sujetMicro and Nano RoboticsTravaux en français237 207