MétaCan
Menu
Retour à la cohorte
Enregistrement W2237010726 · doi:10.1039/c5lc01420d

Onset of particle trapping and release via acoustic bubbles

2016· article· en· W2237010726 sur OpenAlexaff
Yun Chen, Zecong Fang, Brett Merritt, Dillon Strack, Jie Xu, Sungyon Lee

Notice bibliographique

RevueLab on a Chip · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensVancouver Biotech (Canada)
Organismes subventionnairesUniversity of Illinois at Urbana-ChampaignDefense Advanced Research Projects Agency
Mots-clésTrappingParticle (ecology)BubbleAcoustic radiationAcousticsMechanicsAcoustic radiation forceFlow (mathematics)Particle flowRadiation pressureMaterials scienceRadiationNanotechnologyPhysicsOpticsUltrasoundBiology

Résumé

récupéré en direct d'OpenAlex

Trapping and sorting of micro-sized objects is one important application of lab on a chip devices, with the use of acoustic bubbles emerging as an effective, non-contact method. Acoustically actuated bubbles are known to exert a secondary radiation force (FSR) on micro-particles and stabilize them on the bubble surface, when this radiation force exceeds the external hydrodynamic forces that act to keep the particles in motion. While the theoretical expression of FSR has been derived by Nyborg decades ago, no direct experimental validation of this force has been performed, and the relationship between FSR and the bubble's ability to trap particles in a given lab on a chip device remains largely empirical. In order to quantify the connection between the bubble oscillation and the resultant FSR, we experimentally measure the amplitude of bubble oscillations that give rise to FSR and observe the trapping and release of a single microsphere in the presence of the mean flow at the corresponding acoustic parameters using an acoustofluidic device. By combining well-developed theories that connect bubble oscillations to the acoustic actuation, we derive the expression for the critical input voltage that leads to particle release into the flow, in good agreement with the experiments.

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)0,001
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,011
Tête enseignante GPT0,192
Écart entre enseignants0,182 · 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
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

Citations42
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207