MétaCan
Menu
Retour à la cohorte
Enregistrement W2067735994 · doi:10.3390/s8127636

Direct-Dispense Polymeric Waveguides Platform for Optical Chemical Sensors

2008· article· en· W2067735994 sur OpenAlexaff
Mohamad Hajj‐Hassan, Timothy Gonzalez, Ebrahim Ghafar‐Zadeh, Hagop Djeghelian, Vamsy P. Chodavarapu, Mark P. Andrews, Daniel Therriault

Notice bibliographique

RevueSensors · 2008
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAnalytical Chemistry and Sensors
Établissements canadiensPolytechnique MontréalMcGill University
Organismes subventionnairesnon disponible
Mots-clésMicrofabricationMaterials scienceOxygen sensorLuminophorePhotodiodeMicrofluidicsOptoelectronicsNanotechnologyWaveguideLuminescenceFabricationChemistryOxygen

Résumé

récupéré en direct d'OpenAlex

We describe an automated robotic technique called direct-dispense to fabricate a polymeric platform that supports optical sensor arrays. Direct-dispense, which is a type of the emerging direct-write microfabrication techniques, uses fugitive organic inks in combination with cross-linkable polymers to create microfluidic channels and other microstructures. Specifically, we describe an application of direct-dispensing to develop optical biochemical sensors by fabricating planar ridge waveguides that support sol-gelderived xerogel-based thin films. The xerogel-based sensor materials act as host media to house luminophore biochemical recognition elements. As a prototype implementation, we demonstrate gaseous oxygen (O2) responsive optical sensors that operate on the basis of monitoring luminescence intensity signals. The optical sensor employs a Light Emitting Diode (LED) excitation source and a standard silicon photodiode as the detector. The sensor operates over the full scale (0%-100%) of O₂ concentrations with a response time of less than 1 second. This work has implications for the development of miniaturized multisensor platforms that can be cost-effectively and reliably mass-produced.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,069
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,024
Tête enseignante GPT0,241
Écart entre enseignants0,217 · 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.

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

Citations17
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetAnalytical Chemistry and SensorsTravaux en français237 207