MétaCan
Menu
Retour à la cohorte
Enregistrement W4280488250 · doi:10.1002/ppsc.202200057

Nano‐Scale Particle Separation with Tilted Standing Surface Acoustic Wave: Experimental and Numerical Approaches

2022· article· en· W4280488250 sur OpenAlexaff
Erfan Taatizadeh, Arash Dalili, Hamed Tahmooressi, Nishat Tasnim, Isaac T. S. Li, Mina Hoorfar

Notice bibliographique

RevueParticle & Particle Systems Characterization · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of VictoriaUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMicrochannelMaterials scienceFabricationTilt (camera)ControllabilityParticle (ecology)Finite element methodPolystyreneStanding waveOpticsSurface acoustic waveAcousticsAperture (computer memory)NanotechnologyComposite materialPhysicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract To eliminate the precise microchannel alignment requirement for parallel surface acoustic wave (pSSAW) fabrication, a tilted standing surface acoustic wave (tSSAW) is incorporated in many studies recently. In tSSAW, the microchannel is tilted at a specific angle (θ) instead of being parallel to interdigital transducer fingers. This causes the pressure node lines to be formed in the tilted direction to the fluid flow, which leads to better controllability in the separation or manipulation of the particles and higher efficiency. In this study, we developed a three‐dimensional (3D) finite element analysis (FEA) simulation to study the effect of the tSSAW device parameters to maximize its performance in particle separation. The outcomes of the 3D simulation of tSSAW devices indicate that the optimum values of the microchannel tilt angle (θ) and the aperture length must be between 5° ≤ θ ≤ 15° and the same as the microchannel length, respectively. The optimum values are considered in the fabrication of the tSSAW device, where it is tested with 20 μm, 15 μm, and 600 nm polystyrene particles.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

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 recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,030
Tête enseignante GPT0,219
Écart entre enseignants0,189 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueParticle & Particle Systems CharacterizationMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207