Integration of complementary split-ring resonators into digital microfluidics for manipulation and direct sensing of droplet composition
Notice bibliographique
Résumé
This paper demonstrates the integration of complementary split-ring resonators (CSSRs) with digital microfluidics (DMF) sample manipulation for passive, on-chip radio-frequency (RF) sensing. Integration is accomplished by having the DMF and the RF-sensing components share the same ground plane: by designing the RF-resonant openings directly into the ground plane of a DMF device, both droplet motion and sensing are achieved, adding a new on-board detection mode for use in DMF. The system was modelled to determine basic features and to balance various factors that need to be optimized to maintain both functionalities (DMF-enabled droplet movement and RF detection) on the same chip. Simulated and experimental results show good agreement. Using a portable measurement setup, the integrated CSSR sensor was used to effectively identify a series of DMF-generated drops of ethanol-water mixtures of different compositions by measuring the resonant frequency of the CSSR. In addition, we show that a binary solvent system (ethanol/water mixtures) results in consistent changes in the measured spectrum in response to changes in concentration, indicating that the sensor can distinguish not only between pure solvents from each other, but also between mixtures of varied compositions. We anticipate that this system can be refined further to enable additional applications and detection modes for DMF systems and other portable sensing platforms alike. This proof-of-principle study demonstrates that the integrated DMF-CSSR sensor provides a new platform for monitoring and characterization of liquids with high sensitivity and low consumption of materials, and opens the way for new and exciting applications of RF sensing in microfluidics.
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 ».