MétaCan
Menu
Retour à la cohorte
Enregistrement W3215091710 · doi:10.1364/prj.437528

Influence of light pattern thickness on the manipulation of dielectric microparticles by optoelectronic tweezers

2021· article· en· W3215091710 sur OpenAlexafffund
Shuailong Zhang, Mohamed Y. El‐Sayed, Ran Peng, Yujie Chen, Yanfeng Zhang, Steven L. Neale, Aaron R. Wheeler

Notice bibliographique

RevuePhotonics Research · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesEngineering and Physical Sciences Research CouncilNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésOptical tweezersDielectrophoresisDielectricMaterials scienceTweezersOptoelectronicsOptical forceOpticsNanotechnologyPhysicsMicrofluidics

Résumé

récupéré en direct d'OpenAlex

Optoelectronic tweezer (OET) is a useful optical micromanipulation technology that has been demonstrated for various applications in electrical engineering and most notably cell selection for biomedical engineering. In this work, we studied the use of light patterns with different shapes and thicknesses to manipulate dielectric microparticles with OET. It was demonstrated that the maximum velocities of the microparticles increase to a peak and then gradually decrease as the light pattern’s thickness increases. Numerical simulations were run to clarify the underlying physical mechanisms, and it was found that the observed phenomenon is due to the co-influence of horizontal and vertical dielectrophoresis forces related to the light pattern’s thickness. Further experiments were run on light patterns with different shapes and objects with different sizes and structures. The experimental results indicate that the physical mechanism elucidated in this research is an important one that applies to different light pattern shapes and different objects, which is useful for enabling users to optimize OET settings for future micromanipulation applications.

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)0,001
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
Métarecherche0,0000,001
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 Opus0,032
Tête enseignante GPT0,284
Écart entre enseignants0,252 · 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

Citations18
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhotonics ResearchMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207