Liquid–Liquid Encapsulation of Ferrofluid Using Magnetic Field
Notice bibliographique
Résumé
Abstract Encapsulated magnetic microdroplets are of paramount importance in drug targeting and therapeutic applications. However, conventional techniques for generating encapsulated magnetic microdroplets suffer from several challenges, including lack of monodispersity, inflexibility in core–shell combinations, and complex device architecture to achieve encapsulation. Herein, a facile magnet‐assisted framework to controllably wrap ferrofluid (FF) droplets inside polydimethylsiloxane (PDMS) floating on a water bath is developed. A permanent magnet placed at the bottom of a static glass cuvette pulls the ferrofluid droplet across the PDMS–water interface, which results in the wrapping of the FF droplet by a thin PDMS layer. The deformation of the FF–PDMS interface and the encapsulation of FF inside PDMS thereof is attributed to the interplay of magnetic force and force due to PDMS–water interfacial tension. Based on the experimental observations, three regimes are identified, namely, stable encapsulation, unstable encapsulation, and no encapsulation, which depends on the magnetic Bond number (Bo m ) and the thickness of the PDMS layer (δ). The versatility of the technique is demonstrated further by showing stable wrapping of multiple ferrofluid droplets inside the same encapsulated cargo and successful underwater manipulation of the encapsulated droplets, which finds relevance in the encapsulation and magnet‐assisted actuation of novel encapsulated materials.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».