A Conceptual Model of Micro Inertial Sensor Mimicking Amplifying Mechanism of the Hair Cells
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The inner ear hair cells, the receptors sensing mechanical stimuli such as acoustic vibration and acceleration, achieve remarkably high sensitivity to miniscule stimuli by selectively amplifying small inputs. The gating springs hypothesis proposes that a phenomenon called negative stiffness is responsible for the nonlinear sensitivity. According to the hypothesis, the bundle becomes more sensitive in certain region as its stiffness changes due to the opening or closing of transduction channels, which in turn exert force in the same direction of the bundle’s displacement. In this study, we developed a conceptual model of an inertial sensor inspired by the inner ear hair cells, focusing on the hair cell’s amplifying mechanism known as negative stiffness. The negative stiffness was applied to a simple mass-spring-damper system with nonlinear spring derived from gating springs hypothesis. Sinusoidal stimuli of 0.1Hz~10Hz with magnitude of 1pN to 1000pN were applied to the system to match the dynamic range of vestibular organs. Simulation on this nonlinear model was performed on MATLAB, and power transfers and sensitivities in both transient and steady states were obtained and compared with those from the system with linear spring. Parameters were chosen in relation to those of the hair bundle to reproduce operating conditions of both the hair cells and micro inertial sensors. The suggested model displayed compressive nonlinear sensitivity resulting from selective amplification of smaller stimuli despite the energy loss due to large viscous damping typical in micro systems.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 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 découle