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 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 enseignants0,039
Score d'incertitude au seuil0,812

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 Opus0,015
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 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

Citations19
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

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