MétaCan
Menu
Retour à la cohorte
Enregistrement W2075537061 · doi:10.1115/imece2013-65935

Method for Individual Control of Multiplexed Droplet Generation in Digital Microfluidic Devices

2013· article· en· W2075537061 sur OpenAlexaff
Michael J. Schertzer, Zhifang Yang, Ridha Ben-Mrad, Pierre E. Sullivan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrowetting and Microfluidic Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMicrofluidicsMultiplexingElectrodeDigital microfluidicsComputer sciencePath (computing)SIGNAL (programming language)Materials scienceComputer hardwareElectronic engineeringNanotechnologyEngineeringElectrowettingChemistryTelecommunications

Résumé

récupéré en direct d'OpenAlex

This investigation presents two methods for multiplexed droplet generation in digital microfluidic devices. Analytical and experimental results show that the number of electrical output signals required for multiple reagent systems can be reduced by electrically connecting all but one electrode in each droplet generation path on the device. Both methods reduce the number of electrical signals required for generating droplets from multiple reservoirs by M(N−1), where M is the number of manipulation electrodes in the generation path and N is the number of reservoirs on the device. The first method uses individually controlled reservoirs to minimize the manipulation of the fluid in the unused reservoir, while the second method individually controls one of the electrodes in the generation pathway to allow for closed loop control of droplet generation. In both cases, droplets are kept at rest by simultaneously activating or deactivating all adjacent electrodes. These methods can be easily integrated into devices with multiple reservoirs without computational expense or prior knowledge of the electrode activation sequence. They can also be used in concert with droplet control algorithms for pin constrained systems to further reduce the number of output channels required in a digital microfluidic device.

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 enseignants0,238
Score d'incertitude au seuil0,393

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 Opus0,012
Tête enseignante GPT0,231
Écart entre enseignants0,218 · 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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectrowetting and Microfluidic TechnologiesTravaux en français237 207