MétaCan
Menu
Retour à la cohorte
Enregistrement W7015684877

Use of (Super)Hydrophobic Surfaces in Digital Microfluidics

2018· dissertation· en· W7015684877 sur OpenAlexfundno aff

Notice bibliographique

RevueQSpace (Queen's University Library) · 2018
Typedissertation
Langueen
DomaineEngineering
ThématiqueElectrowetting and Microfluidic Technologies
Établissements canadiensnon disponible
Organismes subventionnairesQueen's University
Mots-clésMicrofluidicsDigital microfluidicsWettingContact anglePolymerSurface energySuperparamagnetismParticle (ecology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A superhydrophobic (SH) surface is characterized by a water contact angle of >150 and a sliding angle <10. The water fearing properties result from significantly stronger cohesive forces of the resting liquid compared to weak adhesive forces with the surface material. Microfluidics is a discipline in which minute liquid volumes (10–9 to 10–18 litres) are actuated, mixed, merged, split, and/or analyzed on uniquely engineered devices. SH surfaces have aided digital microfluidics by facilitating magnetic actuation of droplets and the spontaneous formation of droplet microarrays. SH surfaces offer low friction between a liquid droplet and the surface itself, allowing for actuation using minimal force. Magnetically susceptible material (paramagnetic salts or superparamagnetic particles) can be added to the droplet, making it possible to manipulate the liquid droplet with an external magnetic field. This thesis focuses on the magnetic actuation performance of aqueous droplets on different SH coatings including Ultra-Ever Dry, (a commercial coating), fluorine-containing and more environmentally friendly “fluorine-free” SH porous polymer monolith (PPM). Droplet kinematic parameters are explored (e.g. volume, acceleration/deceleration, particle concentration etc.) SH surfaces can be patterned with hydrophilic regions to create surface energy traps (SETs). In this way, the liquid can be pinned to the SETs for small volume deposition and droplet anchoring, respectively. We utilize the contrasting wetting behavior to conduct a droplet-based quantitative DNA assay using fluorescence detection. Furthermore, we examine the use of patterned hydrophobic PPM surfaces to conduct an ice recrystallization inhibition assay that allows the side-by-side comparison of up to a dozen samples treated in an identical, higher throughput manner. A novel method of droplet manipulation is explored termed biologically-driven magnetic actuation (BDMA), which uses magnetotactic bacteria (MTB). BMDA is used to transport droplets along various trajectories (e.g. square and eight-shaped tracks). We further demonstrate the use of BMDA for sequential merging and mixing of multiple droplets. SH surfaces are typically limited to aqueous droplet manipulation. Alternatively, slippery liquid-infused porous (SLIPS) surfaces have been shown to exhibit low friction for both organic and aqueous droplets. We demonstrate the magnetic actuation of aqueous and organic (hexadecane) droplets on SLIPS using paramagnetic particles. The sixth chapter of the thesis demonstrates the proof of principal application involving functionalized superparamagnetic particles for the extraction of asphaltenes from crude oil on omniphobic surfaces. This thesis successfully explains different ways (super)hydrophobic and SLIPS surfaces can be used for performing different DMF operations on aqueous and organic droplets.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,006
Tête enseignante GPT0,168
Écart entre enseignants0,162 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQSpace (Queen's University Library)Même sujetElectrowetting and Microfluidic TechnologiesTravaux en français237 207