MétaCan
Menu
Retour à la cohorte
Enregistrement W4233477682 · doi:10.1063/1.4893564.2

10.1063/1.4893564.2

2014· dataset· en· W4233477682 sur OpenAlexaff
Amin Hosseini, Leyla Soleymani

Notice bibliographique

RevueDefault Digital Object Group · 2014
Typedataset
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésFabricationMaterials sciencePermalloyElectromagnetElectrical conductorNanotechnologyConductorMagnetElectrical engineeringOptoelectronicsEngineeringMagnetic fieldMagnetizationComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Micro-electromagnets hold great promise for integration into portable and handheld lab-on-a- chip systems applicable to point-of-care disease management. Two major requirements must be satisfied in order for such devices to be applicable into practical, miniaturized, and portable biomedical instrumentation: low power operation and low-cost fabrication. In this paper, we use numerical modeling combined with a lithography-free fabrication process to create micro-electromagnets on a polymer substrate. Numerical modeling reveals that active-passive devices—ferromagnetic layers coupled with current-controlled planar coils—are essential for generating a sufficient magnetic force for magnetic particle manipulation at low currents (<50 mA). In addition, it is shown that current carrying conductors created from micro/nanotextured materials further enhance the generated magnetic force at a given current. To combine low-cost fabrication with low-current operation, we developed a benchtop fabrication method based on craft cutting, polymer induced thin film wrinkling, and electrodeposition to create a multilevel arrangement of multi-scale materials essential for low-current operation. We demonstrate that the fabricated active-passive devices featuring wrinkled copper active layers and permalloy passive layers capture 2.8 μm magnetic particles upon the application of a 35 mA current.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,540
Score d'incertitude au seuil0,770

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,010
Études des sciences et des technologies0,0010,000
Communication savante0,0030,002
Science ouverte0,0030,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,4600,660

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 Opus0,006
Tête enseignante GPT0,221
Écart entre enseignants0,216 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDefault Digital Object GroupMême sujetMicro and Nano RoboticsTravaux en français237 207