Elasto-inertial microparticle focusing in straight microchannels: A numerical parametric investigation
Notice bibliographique
Résumé
Elasto-inertial microfluidic particle separation has attracted attention in biotechnological applications due to its passive nature and enhanced versatility compared to inertial systems. Developing a robust elasto-inertial sorting device can be facilitated with numerical simulation. In this study, a numerical parametric investigation was undertaken to study elasto-inertial focusing of microparticles in a straight microchannel. Our goal was to develop an approach that could be both accurate and easily implementable on the commercial solvers. We simulated the flow field using the Carreau model. The resulting elastic lift force was implemented based on an approximation of the Oldroyd-B model. Results were verified and validated against experimental measurements by us and others. A parametric study was conducted to investigate elasto-inertial particle focusing considering the important non-dimensional numbers such as the Reynolds number (Re), the Deborah number (De), dimensionless channel length (L), and blockage ratio (β). Based on this investigation, the commonly used design threshold, that is, De·L·β2=1, for particle focusing was modified and a new threshold was proposed De·Re0.2·L·β2=5. This reduced particle dispersion throughout the width of the channel from ∼20% to ∼3%. Based on this analysis and the new thresholding scheme, an empirical non-dimensional correlation was developed to predict elasto-inertial particle dispersion in straight square cross-sectional microchannels. Using this new correlation, variation in predicted dispersion was reduced from ∼15% to less than ∼5%. Our model can be used to optimize the design of elasto-inertial microfluidic particle sorters to improve experimental outcomes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| 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 tête enseignante, 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 ».