MétaCan
Menu
Retour à la cohorte
Enregistrement W2908134738 · doi:10.1109/newcas.2018.8585595

Microchannel-based capillary microfluidics: From simple networks to capillaric circuits

2018· article· en· W2908134738 sur OpenAlexaff
Oriol Ymbern, Philippe Lenzen, Ayokunle O. Olanrewaju, Arya Tavakoli, Mohamed Yafia, David Juncker

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Capillary Electrophoresis Applications
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMicrofluidicsMicrochannelCapillary actionSimple (philosophy)Electronic circuitComputer scienceNanotechnologyMaterials scienceElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Microfluidics and lab-on-a-chip devices demonstrated the potential advantages for the automation of laboratory workflows and the reduction of sample consumption, reaction time, and assay costs. Capillary microfluidics overcome the limitations of `lab-around-a-chip' by permitting a pre-programmed liquid delivery and flow control to be embedded in the chip without the need for complex peripheral equipment. In this presentation, we chart the progress of microchannel-based capillary microfluidics, from the early stages of the cleanroom environment to the state-of-the-art in rapid prototyping. Following recent progress, we have introduced a new terminology - capillaric circuit (CC) - that both reflects the advances and provides a clear and distinct vocabulary that overcomes the ambiguity due to the multiple usage of the word “capillary”. We briefly describe the governing parameters of self-filling microchannel-based microfluidics CC, and, by analogy with electronic circuits, the deconstruction of CCs into basic fluidic elements and components. The library of basic capillaric elements is expanding. 3D printing enables rapid production of fully functional CCs, establishing CCs as a powerful increasingly complex microfluidic technology that can serve diverse applications.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,004
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 GPT0,202
Écart entre enseignants0,194 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrofluidic and Capillary Electrophoresis ApplicationsTravaux en français237 207