MétaCan
Menu
← Retour à la cohorte
Enregistrement W2895212539 · doi:10.1038/s41467-019-09740-7

Microfluidic multipoles theory and applications

2019· article· en· W2895212539 sur OpenAlexafffund

Notice bibliographique

RevueNature Communications · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensCentre Hospitalier de l’Université de MontréalMcGill University and Génome Québec Innovation CentrePolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence Fund
Mots-clésMicrofluidicsMultipole expansionEnhanced Data Rates for GSM EvolutionMass transportConformal mapFlow (mathematics)

Résumé

récupéré en direct d'OpenAlex

Microfluidic multipoles (MFMs) have been realized experimentally and hold promise for "open-space" biological and chemical surface processing. Whereas convective flow can readily be predicted using hydraulic-electrical analogies, the design of advanced microfluidic multipole is constrained by the lack of simple, accurate models to predict mass transport within them. In this work, we introduce the complete solutions to mass transport in multipolar microfluidics based on the iterative conformal mapping of 2D advection-diffusion around a simple edge into dipoles and multipolar geometries, revealing a rich landscape of transport modes. The models are validated experimentally with a library of 3D printed devices and found in excellent agreement. Following a theory-guided design approach, we further ideate and fabricate two classes of spatiotemporally reconfigurable multipolar devices that are used for processing surfaces with time-varying reagent streams, and to realize a multistep automated immunoassay. Overall, the results set the foundations for exploring, developing, and applying open-space microfluidic multipoles.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,007
Tête enseignante GPT0,234
Écart entre enseignants0,227 · 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'étudeThéorique ou conceptuel
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

Citations38
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature Communications→Même sujetMicrofluidic and Bio-sensing Technologies→Travaux en français237 207→