MétaCan
Menu
Retour à la cohorte
Enregistrement W2901617810 · doi:10.1039/c8ra09859j

Microparticle self-assembly induced by travelling surface acoustic waves

2019· article· en· W2901617810 sur OpenAlexaff
Ghulam Destgeer, Ali Hashmi, Jinsoo Park, Husnain Ahmed, Muhammad Afzal, Hyung Jin Sung

Notice bibliographique

RevueRSC Advances · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesKorea Advanced Institute of Science and TechnologyNational Research Foundation of KoreaKorea Polar Research InstituteNational Research Foundation
Mots-clésMicroparticleSurface (topology)Materials scienceAcousticsPhysicsOpticsGeometryMathematics

Résumé

récupéré en direct d'OpenAlex

We present an acoustofluidic method based on travelling surface acoustic waves (TSAWs) to induce self-assembly of microparticles inside a microfluidic channel. The particles are trapped above an interdigitated transducer, placed directly beneath the microchannel, by the TSAW-based direct acoustic radiation force (ARF). This approach was applied to trap 10 μm polystyrene particles, which were pushed towards the ceiling of the microchannel by 72 MHz TSAWs to form single- and multiple-layer colloidal structures. The repair of cracks and defects within the crystal lattice occurs as part of the self-assembly process. The sample flow through the first inlet can be switched with a buffer flow through the second inlet to control the number of particles assembled in the crystalline structure. The constant flow-induced Stokes drag force on the particles is balanced by the opposing TSAW-based ARF. This force balance is essential for the acoustics-based self-assembly of microparticles inside the microchannel. Moreover, we studied the effects of varying input voltage and fluid flow rate on the position and shape of the colloidal structure. The active self-assembly of microparticles into crystals with multiple layers can be used in the bottom-up fabrication of colloidal structures with dimensions greater than 500 μm × 500 μm, which is expected to have important applications in various fields.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,000
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 Opus0,008
Tête enseignante GPT0,210
Écart entre enseignants0,202 · 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'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

Citations33
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRSC AdvancesMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207