Digital Manufacturing of Functional Ready‐to‐Use Microfluidic Systems
Notice bibliographique
Résumé
Digital manufacturing (DM) holds great potential for microfluidics, but requirements for embedded conduits and high resolution beyond the capability of common manufacturing equipment, and microfluidic systems' dependence on peripheralshave limited its adoption. Capillaric circuits (CCs) are structurally encoded, self-contained microfluidic systems that operate and self-fill via precisely tailored hydrophilicity. CCs are heretofore hydrophilized in a plasma chamber, but which offers only transient hydrophilicity, lacks reproducibility, and limits CC design to open surface channels subsequently sealed with tape. Here, the additive DM of monolithic, fully functional, and intrinsically hydrophilic CCs is reported. CCs are 3D printed with commonly available light-engine-based 3D printers using poly(ethylene glycol)diacrylate-based ink co-polymerized with hydrophilic acrylic acid crosslinkers and optimized for hydrophilicity and printability. A new, robust capillary valve design and embedded conduits with circular cross-sections that prevent bubble trapping are presented, interwoven circuit architectures created, and CC use illustrated with an immunoassay. Finally, the external paper capillary pumps are eliminated by directly embedding the capillary pump in the chip as a porous gyroid structure, realizing fully functional, monolithic CCs. Thence, a digital file can be made into a CC by commonly available 3D printers in less than 30 min enabling low-cost, distributed DM of fully functional ready-to-use microfluidic systems.
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 | 0,000 | 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) | 0,000 | 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 ».