MétaCan
Menu
Retour à la cohorte
Enregistrement W2576965023 · doi:10.1063/1.4971702

Particle segregation during explosive dispersal of binary particle mixtures

2017· article· en· W2576965023 sur OpenAlexaff
David L. Frost, Jason Loiseau, Bradley J. Marr, Samuel Goroshin

Notice bibliographique

RevueAIP conference proceedings · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHigh-Velocity Impact and Material Behavior
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceExplosive materialParticle (ecology)Silicon carbideComposite materialJet (fluid)BrittlenessMechanicsPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

The explosive dispersal of a layer of solid particles surrounding a spherical high explosive charge generates a turbulent, multiphase flow. The shock-compacted particle layer typically fractures into discrete fragments which move radially outwards on ballistic trajectories. The fragments shed particles in their wakes forming jet-like structures. The tendency to form jets depends on the mass-ratio of the particles to explosive and the type of particles. Brittle or soft, ductile particles are more susceptible to forming jets during compaction and dispersal, whereas particles that are comprised of material with moderate hardness, high compressive strength and high toughness are much less prone to forming jets. Experiments have been carried out to determine the degree of particle segregation that occurs during the explosive dispersal of a uniform, binary mixture containing both “jetting” (silicon carbide) and “non-jetting” (steel) particles with various mass fractions of each particle type. During the dispersal of mixtures that contain predominantly non-jetting (steel) particles, the steel particles form a stable layer whereas the jetting (silicon carbide) particles rapidly segregate and form jets which are confined within the shell of steel particles. As the fraction of silicon carbide particles increases, the jet structures dominate the particle motion and the steel particles are entrained into the jet structures.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,040
Tête enseignante GPT0,290
Écart entre enseignants0,250 · 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

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetHigh-Velocity Impact and Material BehaviorTravaux en français237 207