Offsetting Dense Particle Sedimentation in Microfluidic Systems
Notice bibliographique
Résumé
Sedimentation is an undesirable phenomenon that complicates the design of microsystems that exploit dense microparticles as delivery tools, especially in biotechnological applications. It often informs the integration of continuous mixing modules, consequently impacting the system footprint, cost, and complexity. The impact of sedimentation is significantly worse in systems designed with the intent of particle metering or binary encapsulation in droplets. Circumventing this problem involves the unsatisfactory adoption of gel microparticles as an alternative. This paper presents two solutions—a hydrodynamic solution that changes the particle sedimentation trajectory relative to a flow-rate dependent resultant force, and induced hindered settling (i-HS), which exploits Richardson–Zaki (RZ) corrections of Stokes’ law. The hydrodynamic solution was validated using a multi-well fluidic multiplexing and particle metering manifold. Computational image analysis of multiplex metering efficiency using this method showed an average reduction in well-to-well variation in particle concentration from 45% (Q = 1 mL/min, n = 32 total wells) to 17% (Q = 10 mL/min, n = 48 total wells). By exploiting a physical property (cloud point) of surfactants in the bead suspension in vials, the i-HS achieved a 58% reduction in the sedimentation rate. This effect results from the surfactant phase change, which increases the turbidity (transient increase in particle concentration), thereby exploiting the RZ theories. Both methods can be used independently or synergistically to eliminate bead settling in microsystems or to minimize particle sedimentation
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 ».