MétaCan
Menu
Retour à la cohorte
Enregistrement W2340346818 · doi:10.3389/fmicb.2016.00488

Finite Element Analysis on Nanomechanical Detection of Small Particles: Toward Virus Detection

2016· article· en· W2340346818 sur OpenAlexfundno aff
Gaku Imamura, Kota Shiba, Genki Yoshikawa

Notice bibliographique

RevueFrontiers in Microbiology · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Chemical Sensor Technologies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Waterloo
Mots-clésFinite element methodMaterials scienceParticle (ecology)AdsorptionNanotechnologyLayer (electronics)MembraneSensitivity (control systems)SIGNAL (programming language)OptoelectronicsBiological systemChemistryStructural engineeringElectronic engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Detection of small particles, including viruses and particulate matter (PM), has been attracting much attention in light of increasing need for environmental monitoring. Owing to their high versatility, a nanomechanical sensor is one of the most promising sensors which can be adapted to various monitoring systems. In this study, we present an optimization strategy to efficiently detect small particles with nanomechanical sensors. Adsorption of particles on the receptor layer of nanomechanical sensors and the resultant signal are analyzed using finite element analysis (FEA). We investigate the effect of structural parameters (e.g., adsorption position and embedded depth of a particle and thickness of the receptor layer) and elastic properties of the receptor layer (e.g., Young's modulus and Poisson's ratio) on the sensitivity. It is found that a membrane-type surface stress sensors (MSS) has the potential for robust detection of small particles.

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 enseignants0,460
Score d'incertitude au seuil0,420

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 Opus0,009
Tête enseignante GPT0,198
Écart entre enseignants0,189 · 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

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MicrobiologyMême sujetAdvanced Chemical Sensor TechnologiesTravaux en français237 207