MétaCan
Menu
Retour à la cohorte
Enregistrement W3018522147 · doi:10.1039/d0lc00248h

Open sessile droplet viscometer with low sample consumption

2020· article· en· W3018522147 sur OpenAlexafffund
Matthias Hermann, Kyle J. Bachus, Graham T. T. Gibson, Richard D. Oleschuk

Notice bibliographique

RevueLab on a Chip · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensCMC Microsystems (Canada)Queen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCMC Microsystems
Mots-clésViscometerSample (material)Materials scienceSessile drop techniqueChemistryComposite materialContact angleChromatographyViscosity

Résumé

récupéré en direct d'OpenAlex

This paper reports a portable viscometer that requires less than 10 μL of sample for a measurement. Using a two-droplet Laplace-induced pumping system on an open microfluidic substrate, the device measures the viscosity of a liquid by determining the time required for one droplet to completely pump into a second droplet. The pumping behaviour follows the Hagen-Poiseuille and Laplace relations where the flow rate, Q, is proportional to the liquid's kinematic viscosity, μ. The progress of pumping is measured by tracking the change in curvature of one of the droplets using a laser that is positioned perpendicular to the microfluidic chip and directed at the "tail" of the shrinking droplet. The angle of incidence and degree of refraction changes depending on the size of the droplet, which is tracked by a linear diode array placed beneath the microfluidic chip. Droplet reservoirs and connecting channels were defined by precise patterning of a glass substrate coated with a commercially available omniphobic coating (Ultra Ever Dry®) using laser micromachining. A 500 μm wide and 20 mm long channel with circular reservoirs (d = 1.5 mm) enabled the measurement of dynamic viscosities in the range of η = 1.0-2.87 mPa s. The materials cost for the entire viscometer (fluidics and electronics, etc.) is <15 USD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil0,573

Scores Codex et Gemma par catégorie

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 Opus0,024
Tête enseignante GPT0,234
Écart entre enseignants0,210 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations5
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetBiosensors and Analytical DetectionTravaux en français237 207