MétaCan
Menu
Retour à la cohorte
Enregistrement W2169167938 · doi:10.1109/icmens.2003.1222006

Electrostatic interactions between nanoparticles in confined spaces: influence of confining wall roughness

2004· article· en· W2169167938 sur OpenAlexafffund
Prodip K. Das, S. Bhattacharjee

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésCapillary actionParticle (ecology)MechanicsElectrostaticsMaterials scienceNanoparticleSurface roughnessRADIUSSPHERESPoisson's equationSurface chargeClassical mechanicsNanotechnologyPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

Nanoparticles confined in capillaries is a commonly encountered system in a variety of micro and nano electromechanical devices. In this paper we study the influence of the confining geometry on the electrostatic-interaction forces between two nanoparticles. Predictions of electrostatic double layer interaction forces between two similarly charged smooth spherical colloidal particles inside a long "rough " capillary are presented. A simple numerical model of a rough surface is proposed, which assumes the capillary wall to be a periodic function of axial position. The nonlinear Poisson-Boltzmann equation governing the electrical potential distribution in the electrolyte is solved using finite element technique. The interaction force between the spheres was affected significantly by the proximity of the rough capillary wall. The influence of surface undulations on the particle-particle interaction force was most pronounced when the particle radius was comparable to the wavelength of the surface undulations of the capillary. According to present simulations, it seems possible to utilize this oscillation of electrostatic force to move a particle through micro-channels for controlled delivery of fluids in devices like micro-arrays and labs-on-a-chip.

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 enseignants0,006
Score d'incertitude au seuil0,384

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 Opus0,013
Tête enseignante GPT0,233
Écart entre enseignants0,220 · 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

Citations3
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207