MétaCan
Menu
Retour à la cohorte
Enregistrement W2973476051 · doi:10.1002/adem.201900977

A Bioinspired Photothermal Pneumatic Device Enabling Optical Manipulation of Microfluid toward Precise Control of Microreactions

2019· article· en· W2973476051 sur OpenAlexaff
Xuande Lv, Wenzhong Wang, Haifeng Yu

Notice bibliographique

RevueAdvanced Engineering Materials · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrowetting and Microfluidic Technologies
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesMinistry of Science and Technology of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésPhotothermal therapyMicrofluidicsMaterials sciencePhotothermal effectTube (container)NanotechnologyProcess (computing)ThermalComposite materialComputer science

Résumé

récupéré en direct d'OpenAlex

Various driving methods are developed in microfluidic technology to manipulate small amounts of liquid. Among them, the photocontrol method is highlighted for its advantages in contactless and accuracy control. However, the illumination method may induce risks of radiation damage, thermal damage, or chemical environment changes. To avoid these risks, a photothermal pneumatic microfluidic device (PPMD) containing a photothermal composite, an air chamber, and a tube is designed, bioinspired by the feeding process of female mosquitos. One way to drive liquid columns at a constant velocity higher than 1.0 cm s−1 in microtubes without interface modification is successfully obtained, and a method to separate out water–oil two‐phase liquid mixtures is proposed. The integration of several single PPMDs enables complex logical operations (AND and OR) toward precise control of microreactions. This work is promising in fields of microfluidic chips, pneumatic devices, liquid transfer, microreactions, and water–oil phase separation.

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 enseignants0,001
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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,196
Écart entre enseignants0,189 · 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

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Engineering MaterialsMême sujetElectrowetting and Microfluidic TechnologiesTravaux en français237 207