MétaCan
Menu
Retour à la cohorte
Enregistrement W2553915034 · doi:10.11606/gtp.v11i2.118141

Computational Design and Simulation of Bending-Active Auxetic Structures

2016· article· pt· W2553915034 sur OpenAlexaff
Roberto Naboni, Lorenzo Mirante

Notice bibliographique

RevueGestão & Tecnologia de Projetos · 2016
Typearticle
Languept
DomaineEngineering
ThématiqueAdvanced Materials and Mechanics
Établissements canadiensActivation Laboratories
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsArt

Résumé

récupéré en direct d'OpenAlex

O artigo investiga a potencial aplicação de estruturas auxéticas na arquitetura através da combinação de métodos de desenho computacional e Manufatura Aditiva (MA). Essa classe de materiais apresenta comportamento interessante relacionado à característica pouco comum de possuir coeficiente de Poisson negativo, ou seja, ao contrário de outros materiais, quando tracionados expandem-se transversalmente e quando comprimidos contraem-se transversalmente. Explora-se um novo campo de pesquisa e design onde diferentes arranjos de auxéticos são estudados com intuito de informar um processo de form-finding de estruturas de cascas nervuradas sinclásticas de flexão-ativa (bending-active). Metodologias computacionais foram empregadas para visualizar o comportamento dinâmico destas estruturas utilizando Sistemas Massa-Mola. Princípios para o projeto e fabricação de cascas nervuradas auxéticas são investigados através de fabricação aditiva em diferentes escalas. Este processo é empregado para produzir modelos em escala úteis para a compreensão do comportamento auxético, assim como visionar a fabricação de mega-estruturas auxéticas com organização micro estrutural ótima. A resistência à flexão destes sistemas é cautelosamente controlada pelo uso de arranjos de enchimento variável informados por análise estrutural. Finalmente, é proposto um protótipo de casca nervurada em tamanho real como estudo de caso, em conjunto com um novo conceito para sua construção em fabricação aditiva in situ.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,024
Tête enseignante GPT0,268
Écart entre enseignants0,244 · 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'étudeSimulation ou modélisation
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

Citations14
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGestão & Tecnologia de ProjetosMême sujetAdvanced Materials and MechanicsTravaux en français237 207