MétaCan
Menu
Retour à la cohorte
Enregistrement W3204887292 · doi:10.1039/d1lc00524c

A microfluidic-enabled combinatorial formulation and integrated inkjet printing platform for evaluating functionally graded material blends

2021· article· en· W3204887292 sur OpenAlexafffund
Anindya Roy, Hsi Nien Chiu, Konrad Walus

Notice bibliographique

RevueLab on a Chip · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueNanomaterials and Printing Technologies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMicrofluidicsNanotechnologyInkjet printingMaterials scienceDeposition (geology)Drop (telecommunication)On demandComputer scienceInkwellEngineeringMechanical engineeringComposite materialMultimedia

Résumé

récupéré en direct d'OpenAlex

Sample library preparation is a central step in the process of evaluating materials with the general aim of efficient library formulation while minimizing resource consumption. We demonstrate here the first implementation of a microfluidic-enabled thin film sample library formulation platform with integrated inkjet printing capability for directly patterning these libraries with reduced material wastage. System development and general performance screening protocol for these patterned thin films are described. We study the combinatorial formulation capabilities of this system by focusing on some practical case studies for probing the electrical conductivity in organic, biocompatible and electroactive polymer/additive (PEDOT:PSS/DMSO and PEDOT:PSS/EG) blends. Functionally-graded thin film libraries are prepared by mixing ink components and directly dispensing the processed blends into programmed geometries using the integrated platform. Electrical and morphological characterization of these printed thin film libraries is conducted to validate the formulation efficacy of the platform. Interrogating these printed libraries, we were able to iteratively identify the location of conductivity maxima for the studied blends and corroborate the morphological basis of this enhancement with established theories.

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 enseignants0,009
Score d'incertitude au seuil0,712

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 Opus0,026
Tête enseignante GPT0,249
Écart entre enseignants0,224 · 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

Citations4
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetNanomaterials and Printing TechnologiesTravaux en français237 207