MétaCan
Menu
Retour à la cohorte
Enregistrement W4407154079 · doi:10.1063/5.0250330

Migration of magnetic microparticles through a liquid–liquid interface under an external magnetic field

2025· article· en· W4407154079 sur OpenAlexaff
Sourav Mondal, Niki Abbasi, Scott Tsai, Ian M. Griffiths

Notice bibliographique

RevuePhysics of Fluids · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueCharacterization and Applications of Magnetic Nanoparticles
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesEngineering and Physical Sciences Research CouncilRoyal Society
Mots-clésPhysicsMagnetic fieldInterface (matter)Condensed matter physicsMechanicsBubble

Résumé

récupéré en direct d'OpenAlex

Liquid–liquid interfaces play a pivotal role in various microfluidic processes involving microparticles, including coating, dissolution, controlled release of polyelectrolytes or drugs, and self-assembly processes. In all of these cases, noninvasive techniques to manipulate the microparticle transport are essential. Magnetic manipulation offers an accessible and straightforward means of controlling the motion of magnetic particles within microfluidic devices. Magnetic microparticles are commonly used for conformal polyelectrolyte coating and drug encapsulation by passing them through a liquid–liquid interface due to their high saturation magnetization, stability, and low toxicity. In this work, we draw inspiration from the lack of studies on the behavior of magnetic particles near a liquid–liquid interface under conditions of low Reynolds numbers and high capillary action, despite its engineering relevance in microfluidic systems. We consider a canonical flow configuration in which particle motion is driven by the stagnation-point flow that is generated when two different liquids flow toward one another. We show how the operating conditions dictate whether the particle will pierce the interface and become coated or not and illustrate this via parameter-space plots. We use the results of this analysis to understand how the operating conditions influence the fraction of particles that pass through the liquid–liquid interface and are conformally coated, which may be used to guide a variety of industrial processes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,534

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,253
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetCharacterization and Applications of Magnetic NanoparticlesTravaux en français237 207