El viernes 28 de octubre, a las 12h., en el Seminario del I3A, tendrá lugar la charla "Diseño de bombeo por capilaridad en microcanales", impartida por el Dr. Guillermo Artana (Laboratorio de Fluidodinámica-Facultad de Ingeniería-Universidad de Buenos Aires).
Esta charla está organizada por el Tissue Microenvironment Lab (TME) del I3A, en colaboración con el Instituto de Investigación Sanitaria de Aragón (IISAragón) y el CIBER BBN.
Abstract: La utilización del bombeo capilar en microcanales resulta de interés porque evita un conjunto de dispositivos periféricos. Con esta estrategia se busca simplificar para algunos casos el uso de la microfluídica, reduciendo in extremis el número de componentes a un chip y una pipeta. La técnica es particularmente apta para extender el uso de la microfluídica fuera del entorno de laboratorio. Por otra parte, al interior de ellos permite abaratar costos y lograr una más rápida curva de aprendizaje por parte de usuarios no experimentados. En contraposición, por ser un método pasivo, no permite ajustes con sistemas de control activos. Esto conlleva a un desafío en el diseño de los chips para lograr las prestaciones deseadas.
En esta charla presentamos una breve introducción a estos sistemas y a algunos problemas que aparecen en el diseño y cálculo de estos chips.
Tradicionalmente el llenado de un capilar en régimen desarrollado es descripto por una ley conocida como Lucas Washburn. Sin embargo, esta ley fracasa en la descripción del llenado inicial de un canal o situaciones donde se produzcan transiciones o cambios en el flujo (por ej bifurcaciones). El fenómeno se complejiza también porque los ángulos de mojado dependen, entre otros aspectos, de la velocidad del frente.Asimismo, en los microcanales es habitual tener que tratar situaciones de paredes no ideales (con rugosidades y materiales diferentes) que deben ser contempladas para lograr descripciones correctas. A lo largo de la charla mostraremos como hemos tratado estas complicaciones y como a través de técnicas de Aprendizaje por Computadora (Machine Learning) hemos logrado diseñar chips que permiten alcanzar los resultados esperados de caudal y volumen de líquido a circular por las diferentes ramas del circuito.