MétaCan
Menu
Retour à la cohorte
Enregistrement W2348586504 · doi:10.1039/c6lc00260a

Microwave temperature measurement in microfluidic devices

2016· article· en· W2348586504 sur OpenAlexaff
David Wong, Gurkan Yesilöz, Muhammed S. Boybay, Carolyn L. Ren

Notice bibliographique

RevueLab on a Chip · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensRegional Municipality of WaterlooUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMicrofluidicsMicrowaveTemperature measurementDetectorMaterials scienceMixing (physics)OptoelectronicsTemperature controlMeasure (data warehouse)AcousticsNanotechnologyComputer scienceMechanical engineeringEngineeringPhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

In spite of various existing thermometry methods for microfluidic applications, it remains challenging to measure the temperature of individual droplets in segmented flow since fast moving droplets do not allow sufficient exposure time demanded by both fluorescence based techniques and resistance temperature detectors. In this contribution, we present a microwave thermometry method that is non-intrusive and requires minimal external equipment. This technique relies on the correlation of fluid temperature with the resonance frequency of a microwave sensor that operates at a GHz frequency range. It is a remote yet direct sensing technique, eliminating the need for mixing fluorescent dyes with the working fluid. We demonstrated that the sensor operates reliably over multiple tests and is capable of both heating and sensing. It measures temperature to within ±1.2 °C accuracy and can detect the temperature of individual droplets.

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 enseignants0,051
Score d'incertitude au seuil0,517

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 Opus0,017
Tête enseignante GPT0,222
Écart entre enseignants0,205 · 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

Citations20
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207