Crosstalk analysis and optimization in a compact microwave-microfluidic device towards simultaneous sensing and heating of individual droplets
Notice bibliographique
Résumé
Abstract Non-invasive contactless simultaneous sensing and heating of individual droplets would allow droplet microfluidics to empower a wide range of applications. However, it is challenging to realize simultaneous sensing and heating of individual droplets as the resonance frequency of the droplet fluid, which is decided by its permittivity, must be known so that energy is only supplied at this frequency for droplet heating with one resonator. To tailor the energy transfer in real-life heating applications, the droplet has to be sensed first to identify its corresponding resonance frequency, which is used to dynamically tune the frequency for supplying the required energy for heating this particular droplet. To achieve this goal, two resonators are needed, with one for sensing and one for heating. Integrating multiple resonators into one typical microfluidic device limits placement of the resonators to be as close as possible, which would raise the concern of crosstalk between them. The crosstalk would result in inaccurate sensing and heating. This study focuses on numerically and experimentally investigating the effect of influencing parameters on the crosstalk between two adjacent resonators with the ultimate goal of providing guidance for multiplexing the resonators in a typical microfluidic device. ANSYS HFSS is used to perform the electromagnetic analysis based on the finite element method. Experimental studies are conducted on a microfluidic chip integrated with two resonators to validate the numerical results. An optimal distance between two resonators is suggested, with the recommendation for the resonator size and heating power towards simultaneous sensing and heating of individual droplets.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».