MétaCan
Menu
Retour à la cohorte
Enregistrement W2761844396 · doi:10.1063/1.4996191

Surface-conduction enhanced dielectrophoretic-like particle migration in electric-field driven fluid flow through a straight rectangular microchannel

2017· article· en· W2761844396 sur OpenAlexaff
Zhijian Liu, Di Li, Yongxin Song, Xinxiang Pan, Dongqing Li, Xiangchun Xuan

Notice bibliographique

RevuePhysics of Fluids · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesChina Scholarship CouncilNational Science Foundation
Mots-clésElectrokinetic phenomenaMicrochannelElectric fieldMechanicsLift (data mining)PhysicsParticle (ecology)ElectrohydrodynamicsElectro-osmosisNanofluidicsElectrophoresisSurface chargeMicrofluidicsDielectricNanotechnologyMaterials scienceThermodynamicsOptoelectronicsChemistryChromatography

Résumé

récupéré en direct d'OpenAlex

An electric field has been extensively used to manipulate fluids and particles via electrokinetic flow in microchannels and nanochannels for various lab-on-a-chip applications. Recent studies have demonstrated the action of a dielectrophoretic-like lift force on near-wall particles in an electrokinetic flow due to the particles’ modifications of the field-line structure adjacent to a planar wall. This work presents a fundamental investigation of the lateral migration of dielectric particles in the electrokinetic flow of buffer solutions of varying molar concentrations through a straight rectangular microchannel. We find that the particle migration-induced electrokinetic centerline focusing is significantly enhanced with the decrease of the buffer concentration. This observed phenomenon may be attributed to the increased surface conduction effect in a lower-concentration buffer that yields a larger Dukhin number, Du. It seems qualitatively consistent with a recent theoretical study that predicts a greater wall-induced electrical lift with the increasing value of the Dukhin number for Du ≥ 1.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,015
Tête enseignante GPT0,232
Écart entre enseignants0,217 · 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'étudeSimulation ou modélisation
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

Citations19
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207