Selective laser etching fabrication of stacked microporous membranes for multisize particle separation in 3D microfluidics
Notice bibliographique
Résumé
Glass substrates are widely utilized in microfluidic applications due to their exceptional properties, including optical transparency, biocompatibility, chemical and thermal stability, and compatibility with standard microfabrication techniques. These characteristics enable high-resolution micro- and nanopatterning through methods such as wet and dry etching, laser ablation, and photolithography, facilitating the fabrication of complex and reproducible microfluidic components-such as microchannels, microchambers, micropumps, mixers, sensors, and membranes. In this study we leverage femtosecond technology to fabricate a novel multilayer microfluidic system that integrates two porous membranes, with precisely engineered pore geometries. Fabrication of the multilayer device was based on a selective laser etching process (SLE) using a glass 3D printer (LightFab GmbH, Germany), to obtain microchannels and membranes with pore sizes of 5 [Formula: see text]m and 25 [Formula: see text]m. The SLE sequence was optimized to minimize thermal ablation, preserving pore integrity and achieving high fidelity in pore size and distribution. Potassium hydroxide (KOH) was used for wet etching, leveraging the selectivity of fused silica to further refine pore geometry. A microwelding technique was optimized to achieve a consistent interlayer gap, essential for structural integrity and effective filtration. Results of filtration tests demonstrated that 30 [Formula: see text]m particles were selectively trapped in 25 [Formula: see text]m-pore membranes and 8 [Formula: see text]m particles were selectively trapped in 5 [Formula: see text]m filters, while both membranes allow the passage of 2 [Formula: see text]m particles. These results validate the ability of the system to perform size-based separation in microfluidic environments, highlighting the potential of femtosecond laser-based fabrication to produce robust, scalable, multilayer filtration devices for high throughput applications. This approach opens new avenues for developing integrated microfluidic systems capable of simultaneous filtration, separation, and analysis, paving the way for automated lab-on-a-chip applications.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 | 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 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 ».