Oscillating dispersed-phase co-flow microfluidic droplet generation: jet length reduction effect
Notice bibliographique
Résumé
Microdroplet generation methods are assessed by two important criteria of droplet throughput and size dispersity. The widely-used co-flow droplet generation technique is bottlenecked with droplet polydispersity at high throughputs due to transition to an unstable jetting regime at high dispersed-phase (d-phase) flow rates. In this paper, we introduce a novel technique to oscillate the d-phase nozzle inside the continuous phase (c-phase) channel to suppress the jetting effect. The effect of the nozzle oscillation frequency (0-15 Hz) on the jet length was studied at different d-phase (Qd = 1.8, 2.4 and 3.0 ml min-1) and c-phase (Qc = 6, 12 and 18 ml min-1) flow rates and d-phase viscosities (1, 2.5, and 6 mPa s). The jet length was directly proportional to the d-phase flow rate and inversely proportional to the oscillation frequency. Oscillation-induced jet length reduction was more significant at high jet velocities, but a less steep jet length reduction was always observed at oscillation frequencies higher than 10 Hz. A maximum jet length reduction of 70.8% was obtained at the highest d-phase and lowest c-phase flow rates. Increasing the viscosity of the d-phase resulted in diminishing the effect of oscillation on jet length reduction. Moreover, we observed that nozzle oscillation could disintegrate the long jet into droplets of various sizes that were mostly smaller than the stationary-mode droplets. We hypothesize that oscillating the dispersion nozzle at lower flow rates, without the jetting effect, can simultaneously generate multi-size monodisperse droplets. This active technique can also be implemented into aqueous two-phase systems (ATPSs) in which droplet generation is a difficult task.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».