Microfluidic-assisted fiber production: Potentials, limitations, and prospects
Notice bibliographique
Résumé
Besides the conventional fiber production methods, microfluidics has emerged as a promising approach for the engineered spinning of fibrous materials and offers excellent potential for fiber manufacturing in a controlled and straightforward manner. This method facilitates low-speed prototype synthesis of fibers for diverse applications while providing superior control over reaction conditions, efficient use of precursor solutions, reagent mixing, and process parameters. This article reviews recent advances in microfluidic technology for the fabrication of fibrous materials with different morphologies and a variety of properties aimed at various applications. First, the basic principles, as well as the latest developments and achievements of microfluidic-based techniques for fiber production, are introduced. Specifically, microfluidic platforms made of glass, polymers, and/or metals, including but not limited to microfluidic chips, capillary-based devices, and three-dimensional printed devices are summarized. Then, fiber production from various materials, such as alginate, gelatin, silk, collagen, and chitosan, using different microfluidic platforms with a broad range of cross-linking agents and mechanisms is described. Therefore, microfluidic spun fibers with diverse diameters ranging from submicrometer scales to hundreds of micrometers and structures, such as cylindrical, hollow, grooved, flat, core-shell, heterogeneous, helical, and peapod-like morphologies, with tunable sizes and mechanical properties are discussed in detail. Subsequently, the practical applications of microfluidic spun fibers are highlighted in sensors for biomedical or optical purposes, scaffolds for culture or encapsulation of cells in tissue engineering, and drug delivery. Finally, different limitations and challenges of the current microfluidic technologies, as well as the future perspectives and concluding remarks, are presented.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».