Dye-Doped ZnO Microcapsules for High Throughput and Sensitive Optofluidic Micro-Thermometry
Notice bibliographique
Résumé
The main objective of this work is to show the proof of concept of a new optofluidic method for high throughput fluorescence-based thermometry, which enables the measure of temperature inside optofluidic microsystems at the millisecond (ms) time scale (high throughput). We used droplet microfluidics to produce highly monodisperse microspheres from dispersed zinc oxide (ZnO) nanocrystals and doped them with rhodamine B (RhB) or/and rhodamine 6G (Rh6G). The fluorescence intensities of these two dyes are known to depend linearly on temperature but in two opposite manner. Their mixture enables for the construction of reference probe whose fluorescence does not depend practically on temperature. The use of zinc oxide microparticles as temperature probes in microfluidic channels has two main advantages: (i) avoid the diffusion and the adsorption of the dyes inside the walls of the microfluidic channels and (ii) enhance dissipation of the heat generated by the focused incident laser beam thanks to the high thermal conductivity of this material. Our results show that the fluorescence intensity of RhB decreases linearly with increasing temperature at a rate of about -2.2%/°C, in a very good agreement with the literature. In contrast, we observed for the first time a nonlinear change of the fluorescence intensity of Rh6G in ZnO microparticles with a minimum intensity at a temperature equal to 40 °C. This behaviour is reproducible and was observed only with ZnO microparticles doped with Rh6G.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».