Silica-on-silicon waveguide integrated polydimethylsiloxane lab-on-a-chip for quantum dot fluorescence bio-detection
Notice bibliographique
Résumé
Integration of microfluidics and optical components is an essential requirement for the realization of optical detection in lab-on-a-chip (LOC). In this work, a novel hybrid integration of silica-on-silicon (SOS) waveguide and polydymethylsiloxane (PDMS) microfluidics for realizing optical detection based biochip is demonstrated. SOS is a commonly used platform for integrated photonic circuits due to its lower absorption coefficient of silica and the availability of advanced microfabrication technologies for fabricating complicated optical components. However, the fabrication of complex microfluidics circuits on SOS is an expensive process. On the other hand, any complex 3D and high-aspect-ratio microstructures for the microfluidic applications can be easily patterned on PDMS using soft lithography. By exploring the advantages of these two materials, the proposed hybrid integration method greatly simplifies the fabrication of optical LOC. Two simple technologies--namely, diamond machining and soft lithography--were employed for the integration of an optical microfluidic system. Use of PDMS for the fabrication of any complex 3D microfluidics structures, together with the integration of low loss silica-on-silicon photonic waveguides with a straight microfluidic channel, opens up new possibilities to produce low-cost biochips. The performance of SOS-PDMS-integrated hybrid biochip is demonstrated with the detection of laser induced fluorescence of quantum dots. As quantum dots have immense application potential for biodetection, they are used for the demonstration of biodetection.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».