MétaCan
Menu
Retour à la cohorte
Enregistrement W2462758809

Development of a cellular automaton for a better consideration of neighborhood effect in polycrystals - Comparison with finite element method

2016· article· en· W2462758809 sur OpenAlexaff
R. Bretin

Notice bibliographique

RevueThe 7th International Conference on Computational Methods (ICCM2016) · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMicrostructure and mechanical properties
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésFinite element methodElasticity (physics)Cellular automatonLinear elasticityFocus (optics)Materials scienceCrystalliteStructural engineeringMathematicsPhysicsEngineeringComposite materialAlgorithmMetallurgy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper presents the development of a cellular automaton taking into account the effects of neighborhood in the mechanical behavior of polycrystals. This model aims to have a better estimate of the elastic stress / strain field in polycrystals than conventional analytical models, such as the self-consistent model (SCM). As a first step in the consideration of neighborhood effects, the model was developed in the case of a uniaxial loading in linear elasticity. A Kelvin structure is used to represent the polycrystal in order to negate any grain size and shape effect, in order to focus primarily on the influence of crystallographic orientations. The model has been developed based on the hypotheses from a Finite Element Method (FEM) study of the influence of a grain’s neighborhood on its behavior. FEM, SCM and the analytical model here presented are finally compared grain by grain after a simulation on polycrystalline aggregates of 686 grains using the Kelvin structure. Taking the FEM results as a reference, the results of our model show an approximation almost three times better than those of the SCM which show the importance of taking into account the neighborhood effect.

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)0,002
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,433
Score d'incertitude au seuil0,443

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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)0,0000,000

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 Opus0,067
Tête enseignante GPT0,381
Écart entre enseignants0,313 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe 7th International Conference on Computational Methods (ICCM2016)Même sujetMicrostructure and mechanical propertiesTravaux en français237 207