A nanofilter for fluidic devices by pillar-assisted self-assembly microparticles
Notice bibliographique
Résumé
We present a nanofilter based on pillar-assisted self-assembly microparticles for efficient capture of bacteria. Under an optimized condition, we simply fill the arrays of microscale pillars with submicron scale polystyrene particles to create a filter with nanoscale pore diameter in the range of 308 nm. The design parameters such as the pillar diameter and the inter-pillar spacing in the range of 5 μm-40 μm are optimized using a multi-physics finite element analysis and computational study based on bi-directionally coupled laminar flow and particle tracking solvers. The underlying dynamics of microparticles accumulation in the pillar array region are thoroughly investigated by studying the pillar wall shear stress and the filter pore diameter. The impact of design parameters on the device characteristics such as microparticles entrapment efficiency, pressure drop, and inter-pillar flow velocity is studied. We confirm a bell-curve trend in the capture efficiency versus inter-pillar spacing. Accordingly, the 10 μm inter-pillar spacing offers the highest capture capability (58.8%), with a decreasing entrapping trend for devices with larger inter-pillar spacing. This is the case that the 5 μm inter-pillar spacing demonstrates the highest pillar wall shear stress limiting its entrapping efficiency. As a proof of concept, fluorescently labeled Escherichia coli bacteria (E. coli) were captured using the proposed device. This device provides a simple design, robust operation, and ease of use. All of which are essential attributes for point of care devices.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».