MétaCan
Menu
Retour à la cohorte
Enregistrement W2343090141 · doi:10.5539/mer.v6n1p66

Development of a Novel 2-Dimensional Micro-Heater Array Device with Regional Selective Heating

2016· article· en· W2343090141 sur OpenAlexvenueno aff
Mitsuhiro Horade, Masaru Kojima, Kazuto Kamiyama, Yasushi Mae, Tatsuo Arai

Notice bibliographique

RevueMechanical Engineering Research · 2016
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceFabricationSubstrate (aquarium)NanotechnologyHeating elementProcess (computing)OptoelectronicsMechanical engineeringComputer scienceComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

This paper reports the development of a micro-heater array device that can be selectively heated at an arbitrary location. To confirm the heating characteristics of this micro-heater array device, heating experiments using a thermo-responsive gel were conducted. Since a micro-heater can supply heat with a rapid-response on a micro-scale, various applications have been studied. Based on these characteristics, micro-heaters have often been used in recent research applications involving biological cells. To expand the versatility of the micro-heater, the development of micro-heater array systems that can supply heat selectively at an arbitrary location is required. In this work, to support micro-heater applications in the field of biochemistry, the design and materials of a micro-heater array device were optimized and a fabrication process was established. Furthermore, the usefulness of this device was verified using a thermo-responsive gel, and control of the temperature distribution on a glass substrate was successfully demonstrated. This micro-heater array device can be heated with regional selectivity, and each region can be controlled to an arbitrary temperature, so the device is also capable of generating temperature gradients.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,059
Tête enseignante GPT0,311
Écart entre enseignants0,252 · 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

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMechanical Engineering ResearchMême sujet3D Printing in Biomedical ResearchTravaux en français237 207