MétaCan
Menu
Retour à la cohorte
Enregistrement W756837423 · doi:10.1109/mnrc15848.2009.5338955

A parametric study of interdigital electrodes for achieving high droplet speed in electrowetting

2009· article· en· W756837423 sur OpenAlexaff
Hamid SadAbadi, Ion Stiharu, Muthukamaran Packirisamy, Rolf Wüthrich

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrowetting and Microfluidic Technologies
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésElectrowettingElectrodeDielectricMaterials scienceVoltageVolumetric flow rateVolume (thermodynamics)Parametric statisticsMechanicsOptoelectronicsComputer scienceElectrical engineeringEngineeringPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Electrowetting (EW) is a phenomenon that attracted much attention in recent years for its wide applications in Lab-On-a-Chip (LOC) devices. Understanding the parameters that affect this phenomenon is a key for enhancing the droplet transport rate and consequently increasing the volumetric flow rate. Here we used the EDEW 2.0 simulation tools. This software uses the well-known code of The Surface Evolver incorporated with a user-friendly GUI. The effects of parameters include geometric electrode dimensions, dielectric layer thickness, and applied voltage for water droplet volume (1 µL) is discussed. By simulation of the process, the consequent energy curve for every case is obtained. The results show for increasing the droplet transport rate or droplet speed, parameters likes applied voltage, dielectric layer thickness, and electrode width have optimum values that can be determined for a specific droplet volume.

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 enseignants0,084
Score d'incertitude au seuil0,706

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,006
Tête enseignante GPT0,221
Écart entre enseignants0,215 · 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

Citations2
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectrowetting and Microfluidic TechnologiesTravaux en français237 207