MétaCan
Menu
Retour à la cohorte
Enregistrement W2621522241 · doi:10.1121/1.4987295

Numerical investigation of the subharmonic response of a cloud of interacting microbubbles

2017· article· en· W2621522241 sur OpenAlexaff
Hossein Haghi, Amin Jafari Sojahrood, Raffi Karshafian, Michael C. Kolios

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMicrobubblesSubharmonicAmplitudePhase (matter)Resonance (particle physics)PopulationExcitationExcited stateAcousticsMaterials sciencePhysicsMechanicsAtomic physicsNonlinear systemUltrasoundOptics

Résumé

récupéré en direct d'OpenAlex

Microbubbles (MBs) usually exist in polydisperse populations and often strongly interact with each other. Accurate investigation of the dynamics of the MBs requires considering the interaction between Microbubbles. We have developed an efficient method for numerically simulating N interacting MBs. The subharmonic (SH) responses of a polydispersions of 3-52 microbubbles with sizes between 2-5 microns, excited with ultrasound with a frequency and pressure of 1.8-8 MHz and 1-500 kPa were investigated. We show that if the frequency is set to the SH resonance of the larger MBs, the smaller MBs oscillations are controlled by the larger MB and the SH amplitude of the population of MBs increases. For small enough distances between MBs, one large MB may control the oscillations of the rest. If the excitation frequency is equal to the SH resonance of the smaller MBs, there exists two pressure regions. For lower pressures, the oscillations of the larger MB are out of phase with the smaller MBs and the resulting SH amplitude is smaller than the case without the bigger MB. As the pressure increases the oscillations of the larger MB becomes in phase with the smaller MBs and the SH response of the system is enhanced.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,225
Score d'incertitude au seuil0,346

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,014
Tête enseignante GPT0,242
Écart entre enseignants0,228 · 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
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 revueThe Journal of the Acoustical Society of AmericaMême sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207