MétaCan
Menu
Retour à la cohorte
Enregistrement W2764226061 · doi:10.3390/mi8100308

A Fluidic Interface with High Flow Uniformity for Reusable Large Area Resonant Biosensors

2017· article· en· W2764226061 sur OpenAlexaff
Charles-Louis Azzopardi, Vivien Lacour, Jean‐François Manceau, Magali Barthès, Dimitri Bonnet, Thérèse Leblois

Notice bibliographique

RevueMicromachines · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensInstitut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésMiniaturizationFluidicsFinite element methodBiosensorMaterials scienceInterface (matter)FabricationParticle image velocimetryNanotechnologyMicrofluidicsFlow (mathematics)Electronic engineeringAcousticsOptoelectronicsMechanical engineeringEngineeringElectrical engineeringContact angleMechanicsComposite material

Résumé

récupéré en direct d'OpenAlex

Resonant biosensors are known for their high accuracy and high level of miniaturization. However, their fabrication costs prevent them from being used as disposable sensors and their effective commercial success will depend on their ability to be reused repeatedly. Accordingly, all the parts of the sensor in contact with the fluid need to tolerate the regenerative process which uses different chemicals (H₃PO₄, H₂SO₄ based baths) without degrading the characteristics of the sensor. In this paper, we propose a fluidic interface that can meet these requirements, and control the liquid flow uniformity at the surface of the vibrating area. We study different inlet and outlet channel configurations, estimating their performance using numerical simulations based on finite element method (FEM). The interfaces were fabricated using wet chemical etching on Si, which has all the desirable characteristics for a reusable biosensor circuit. Using a glass cover, we could observe the circulation of liquid near the active surface, and by using micro-particle image velocimetry (μPIV) on large surface area we could verify experimentally the effectiveness of the different designs and compare with simulation results.

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 enseignants0,031
Score d'incertitude au seuil0,814

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 ouverte0,0010,000
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 Opus0,012
Tête enseignante GPT0,226
Écart entre enseignants0,214 · 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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicromachinesMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207