MétaCan
Menu
Retour à la cohorte
Enregistrement W2075361755 · doi:10.1063/1.3703283

Investigating the motion of particles in an ultrasonic acoustic wave field using PIV/PTV

2012· article· en· W2075361755 sur OpenAlexaff
David S. Nobes, Alireza Setayeshgar, Michael Lipsett, Charles Robert Koch

Notice bibliographique

RevueAIP conference proceedings · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAcoustic radiation forceMagnetosphere particle motionParticle tracking velocimetryParticle (ecology)WavelengthPhysicsDragBuoyancyParticle image velocimetryMechanicsAcoustic radiationAcoustic waveOpticsRadiation pressureNeutral buoyancyParticle velocityAcousticsMaterials scienceRadiationUltrasoundMagnetic fieldGeology

Résumé

récupéré en direct d'OpenAlex

The influence of a multi-wavelength acoustic standing wave field on the motion of micron-sized particles is experimentally investigated using particle image velocimetry/particle tracking velocimetry (PIV/PTV) to examine existing theories describing the radiation force on particles. An ultrasonic acoustic wave is introduced into a column chamber containing a mixture of distilled water and a disperse population of spherical particles. In this system the acoustic field is aligned with gravity to form horizontal bands of particles, which are also influenced by buoyancy and drag forces. Accounting for these forces with the acoustic radiation pressure, the motion of an individual particle is modeled. There is a good agreement between the pattern of the particles motion in experimental results and the predicted single particle motion; however, due to the concentration of particles in the experiment, a difference is observed in the maximum value of the velocity of the particles in the experiment and in the single particle model.

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 enseignants0,003
Score d'incertitude au seuil0,005

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 technologies0,0000,001
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 Opus0,054
Tête enseignante GPT0,249
Écart entre enseignants0,194 · 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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207