MétaCan
Menu
Retour à la cohorte
Enregistrement W2070662831 · doi:10.1126/science.1246906

Artificial Muscles from Fishing Line and Sewing Thread

2014· article· en· W2070662831 sur OpenAlexaff
Carter S. Haines, Márcio D. Lima, Na Li, Geoffrey M. Spinks, Javad Foroughi, John D. W. Madden, Shi Hyeong Kim, Shaoli Fang, Mônica Jung de Andrade, Fatma Göktepe, Özer Göktepe, Seyed M. Mirvakili, Sina Naficy, Xavier Lepró, Jiyoung Oh, Mikhail E. Kozlov, Seon Jeong Kim, Xiuru Xu, Benjamin J. Swedlove, Gordon G. Wallace, Ray H. Baughman

Notice bibliographique

RevueScience · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials and Mechanics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésThread (computing)Artificial muscleUltimate tensile strengthMaterials scienceComposite materialStructural engineeringMechanical engineeringActuatorEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The high cost of powerful, large-stroke, high-stress artificial muscles has combined with performance limitations such as low cycle life, hysteresis, and low efficiency to restrict applications. We demonstrated that inexpensive high-strength polymer fibers used for fishing line and sewing thread can be easily transformed by twist insertion to provide fast, scalable, nonhysteretic, long-life tensile and torsional muscles. Extreme twisting produces coiled muscles that can contract by 49%, lift loads over 100 times heavier than can human muscle of the same length and weight, and generate 5.3 kilowatts of mechanical work per kilogram of muscle weight, similar to that produced by a jet engine. Woven textiles that change porosity in response to temperature and actuating window shutters that could help conserve energy were also demonstrated. Large-stroke tensile actuation was theoretically and experimentally shown to result from torsional actuation.

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 seuil0,004

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 ouverte0,0000,000
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 Opus0,014
Tête enseignante GPT0,219
Écart entre enseignants0,205 · 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

Citations1 319
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScienceMême sujetAdvanced Materials and MechanicsTravaux en français237 207