MétaCan
Menu
Retour à la cohorte
Enregistrement W2539245159 · doi:10.1021/acs.nanolett.6b03066

Nano-Optomechanical Systems for Gas Chromatography

2016· article· en· W2539245159 sur OpenAlexafffund
Anandram Venkatasubramanian, Vincent T. K. Sauer, Swapan K. Roy, Mike Xia, David S. Wishart, Wayne K. Hiebert

Notice bibliographique

RevueNano Letters · 2016
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMechanical and Optical Resonators
Établissements canadiensNational Institute for NanotechnologyUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment College University, LahoreUniversity of AlbertaAlberta Innovates - Health SolutionsCMC Microsystems
Mots-clésAnalyteDetectorChemistryGas chromatographyAdsorptionDetection limitNanotechnologySelectivityAnalytical Chemistry (journal)ChromatographyMaterials scienceOrganic chemistryCatalysis

Résumé

récupéré en direct d'OpenAlex

Microgas chromatography (GC) is promising for portable chemical analysis. We demonstrate a nano-optomechanical system (NOMS) as an ultrasensitive mass detector in gas chromatography. Bare, native oxide, silicon surfaces are sensitive enough to monitor volatile organic compounds at ppm levels, while simultaneously demonstrating chemical selectivity. The NOMS is able to sense GC peaks from derivatized metabolites at physiological concentrations. This is an important milestone for small-molecule quantitation assays in next generation metabolite analyses for applications such as disease diagnosis and personalized medicine. The optical microring, which plays an important role in the nanomechanical signal transduction mechanism, can also be used as an analyte concentration sensor. Different adsorption kinetics regimes are realized at different temperatures allowing temporary condensation of the analyte onto the sensor surfaces. This effect amplifies the signal, resulting in a 1 ppb level limit of detection, without partition enhancement from absorbing media. This sensitivity bodes well for NOMS as universal, ultrasensitive detectors in micro-GC, breath analysis, and other chemical-sensing applications.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,694
Score d'incertitude au seuil0,422

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 GPT0,230
Écart entre enseignants0,221 · 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

Citations49
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetMechanical and Optical ResonatorsTravaux en français237 207