MétaCan
Menu
Retour à la cohorte
Enregistrement W2567562381 · doi:10.1039/c6sm02880b

Maximizing propulsive thrust of a driven filament at low Reynolds number via variable flexibility

2017· article· en· W2567562381 sur OpenAlexaff
Zhiwei Peng, Gwynn J. Elfring, On Shun Pak

Notice bibliographique

RevueSoft Matter · 2017
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésThrustPropulsionReynolds numberProtein filamentPropulsive efficiencyFlexibility (engineering)MechanicsInertiaBending stiffnessStiffnessPhysicsAerospace engineeringControl theory (sociology)Computer scienceClassical mechanicsMaterials scienceMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

At low Reynolds numbers the locomotive capability of a body can be dramatically hindered by the absence of inertia. In this work, we show how propulsive performance in this regime can be significantly enhanced by employing spatially varying flexibility. As a prototypical example, we consider the propulsive thrust generated by a filament periodically driven at one end. The rigid case leads to zero propulsion, as so constrained by Purcell's scallop theorem, while for uniform filaments there exists a bending stiffness maximizing the propulsive force at a given frequency; here we demonstrate explicitly how considerable further improvement can be achieved by simply varying the stiffness along the filament. The optimal flexibility distribution is strongly configuration-dependent: while increasing the flexibility towards the tail-end enhances the propulsion of a clamped filament, for a hinged filament decreasing the flexibility towards the tail-end is instead favorable. The results reveal new design principles for maximizing propulsion at low Reynolds numbers, potentially useful for developing synthetic micro-swimmers requiring large propulsive force for various biomedical applications.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

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 Opus0,012
Tête enseignante GPT0,256
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

Citations24
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetMicro and Nano RoboticsTravaux en français237 207