MétaCan
Menu
Retour à la cohorte
Enregistrement W2587066259 · doi:10.1039/c6sm02674e

Effect of internal architecture on microgel deformation in microfluidic constrictions

2017· article· en· W2587066259 sur OpenAlexaff
Lynna Chen, Kai Xi Wang, Patrick S. Doyle

Notice bibliographique

RevueSoft Matter · 2017
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesDivision of Materials ResearchMaterials Research Science and Engineering Center, Harvard UniversityNational Science Foundation
Mots-clésMicrofluidicsDeformation (meteorology)Materials scienceSoft lithographyNanotechnologyParticle (ecology)Internal flowFinite element methodWork (physics)Soft matterBucklingMechanicsFlow (mathematics)Composite materialMechanical engineeringStructural engineeringPhysicsFabricationEngineeringChemical engineering

Résumé

récupéré en direct d'OpenAlex

The study of how soft particles deform to pass through narrow openings is important for understanding the transit of biological cells, as well as for designing deformable drug delivery carriers. In this work, we systematically explore how soft microparticles with various internal architectures deform during passage through microfluidic constrictions. We synthesize hydrogel particles with well-defined internal structure using lithography-based UV polymerization in microfluidic channels (stop-flow lithography). Using this in situ technique, we explore a range of 2D particle architectures and their effect on particle deformation. We observe that particles undergo buckling of internal supports and reorient at the constriction entrance in order to adopt preferred shapes that correspond to minimum energy configurations. Using finite element simulations of elastic deformation under compression, we accurately predict the optimal deformation configuration of these structured 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 enseignants0,367
Score d'incertitude au seuil0,480

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 Opus0,006
Tête enseignante GPT0,266
Écart entre enseignants0,260 · 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

Citations28
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujet3D Printing in Biomedical ResearchTravaux en français237 207