MétaCan
Menu
Retour à la cohorte
Enregistrement W2125487847 · doi:10.1109/icmens.2004.1508940

Dielectrophoretic Membrane Filtration Process by Integrating Microelectrode Array

2006· article· en· W2125487847 sur OpenAlexaff
Shahnawaz Molla, S. Bhattacharjee, Jacob H. Masliyah

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésFiltration (mathematics)MembraneCross-flow filtrationMicroelectrodeDielectrophoresisSeparation processElectrodeMicrofluidicsEmulsionMaterials scienceProcess (computing)ChromatographyChemistryNanotechnologyChemical engineeringComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

A coupled AC dielectrophoretic membrane filtration technique is proposed in this paper.This technique utilizes ACdielectrophoresis and preferential transport through a semi-permeable membrane. Simultaneous application of ACdielectrophoresis and membrane filtration can be used for separation of trace amounts of a target species from an emulsion. This can be achieved by embedding inter-digitated microelectrode arrays on a membrane surface used in a cross flow filtration system. The electrode array, when actuated by an AC signal, will create a dielectrophoretic force field to capture the target species onto the membrane surface from the flowing emulsion during cross flow filtration. This paper explains the theoretical principles underlying such a process, and describes a simple mathematical framework based on trajectory analysis for assessing the separation efficiency of the technique. Simulation results indicate that preferential transport of the emulsified water through themembrane in a cross flow filtration device can be significantly enhanced by incorporating an AC dielectrophoretic field in the process. The novel technique proposed here can lead to a highly efficient continuous separation process for dilute emulsions.

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 enseignants0,184
Score d'incertitude au seuil0,519

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 Opus0,003
Tête enseignante GPT0,175
Écart entre enseignants0,173 · 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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207