MétaCan
Menu
Retour à la cohorte
Enregistrement W3161426152 · doi:10.2351/7.0004093

Femtosecond laser 3D printing of optofluidic devices and systems

2018· article· en· W3161426152 sur OpenAlexaff
Qiying Chen, Daiying Zhang, Xiaoxi Man, Liqiu Men

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser Material Processing Techniques
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésFemtosecondLaserMaterials scienceOptoelectronicsComputer scienceNanotechnologyOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Femtosecond laser micro-/nano-fabrication has been recognized as an enabling technology with unprecedented high precision and quality, which achieves the fabrication of various optoelectronic devices, including optofluidic devices for chemical and biomedical diagnostics with merits of versatile functionalities, compactness, high degree of integration, minimized waste, and low cost. Starting from the study on the fabrication of three-dimensional structures in dielectrics with the fundamental output of a femtosecond laser (wavelength at 800 nm, repetition rate of 1 kHz, and pulse energy up to 1 mJ), we report either a chemical etching-assisted femtosecond laser microfabrication technique or femtosecond laser induced multiphoton absorption technique to realize optofluidic devices. In this study, effects of fabrication parameters, such as laser energy, polarization of laser, and writing speed, have been investigated in order to identify optimal parameters for the realization of microstructures of different designs and specifications. Complex features have been designed and achieved to implement different functionalities. Fluidic movement in the optofluidic devices of different configurations, such as laminar flow and diffusion, has been explored for particle sorting. The applications of the femtosecond laser printed optofluidic devices and systems in sensing different environmental parameters, such as temperature, refractive index, pressure, and concentration, will be discussed, together with the revelation of different sensing mechanisms and the possibility of multiparameter sensing.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,258

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,222
Écart entre enseignants0,212 · 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'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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLaser Material Processing TechniquesTravaux en français237 207