MétaCan
Menu
Retour à la cohorte
Enregistrement W2069514222 · doi:10.1115/imece2006-15165

Optimal Architecture of Shack Hartmann Wave-Front Sensor for Microfluidic Applications

2006· article· en· W2069514222 sur OpenAlexafffund
M. J. Cyca, S. Śpiewak

Notice bibliographique

RevueFluids Engineering · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Measurement and Metrology Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesUniversity of Calgary
Mots-clésMicroscale chemistryMicrofluidicsMicrosystemMicroelectromechanical systemsSeedingComputer scienceMaterials scienceAcousticsNanotechnologyEngineeringPhysicsAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Means of measuring temperature and fluid flow in microelectromechanical systems (MEMS) continue to show limitations. This paper discusses the development of a noninvasive optical based temperature mapping technique for use in microsystems. The technique employs the Shack-Hartmann wave-front sensor (SHWFS), with documented accuracy in macroscale applications of ±0.7°C [1]. Microscale models indicate the potential to collect data with the same accuracy. With continued development, fluid flow monitoring by thermally seeding an element of fluid and using the SHWFS to detect the location of this heated element will be possible. This measurement technique can be applied to a variety of microfluidic devices, including biomedical devices, since the temperature "seed" can be small enough to prevent damage to sensitive biological systems.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 GPT0,203
Écart entre enseignants0,195 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

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
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFluids EngineeringMême sujetAdvanced Measurement and Metrology TechniquesTravaux en français237 207