MétaCan
Menu
Retour à la cohorte
Enregistrement W3160132058 · doi:10.1002/adsu.202100074

Fabrication and Characterization of Autonomously Self‐Healable and Stretchable Soft Microfluidics

2021· article· en· W3160132058 sur OpenAlexaff
Hualong Wang, Susanna Vu, Julia Pignanelli, Tamer Abdel Fatah, John F. Trant, Sara Mahshid, Simon Rondeau‐Gagné, Mohammed Jalal Ahamed

Notice bibliographique

RevueAdvanced Sustainable Systems · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensMcGill UniversityUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésMicrofluidicsNanotechnologyMaterials scienceFabricationFluidicsSelf-healingEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, a novel self‐healable and stretchable microfluidics system for next generation wearable lab‐on‐a‐chip is presented. An imine‐based precursor with various metal sources (Co(II), Fe(II), and Zn(II)) is used for the development of an intrinsically autonomous self‐healing microfluidic device. Microfluidics fabrication is performed on the self‐healing substrate layer using a mold transfer method. The mechanical properties of the resulting layer are evaluated using tensile strain pull testing. Microfluidic characteristics including fluid flow, wettability, leak, and fluorescence compatibility are investigated to understand its performance in classical microfluidic applications. The new microfluidic devices are also characterized using scanning‐electron microscopy to evaluate the mold transfer capability. The self‐healing microfluidics and the corresponding detailed fluidic characterization presented in this paper will open new opportunities for microfluidic lab on a chip development for various applications, especially in wearable electronics.

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 Opus0,004
Tête enseignante GPT0,190
Écart entre enseignants0,186 · 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Sustainable SystemsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207