MétaCan
Menu
Retour à la cohorte
Enregistrement W2746449961 · doi:10.1063/1.4997959

Instrumentation for ice crystal characterization in laboratory using interferometric out-of-focus imaging

2017· article· en· W2746449961 sur OpenAlexaff
Marc Brunel, Gilles Demange, Michaël Fromager, Mohamed Talbi, H. Zapolsky, Renaud Patte, Kamel Aı̈t-Ameur, Justin Jacquot-Kielar, Sébastien Coëtmellec, Gérard Gréhan, B. Quevreux

Notice bibliographique

RevueReview of Scientific Instruments · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensMcGill University
Organismes subventionnairesAgence Nationale de la RechercheLabex EMC3
Mots-clésInstrumentation (computer programming)InterferometryCalibrationCharacterization (materials science)Focus (optics)HolographyRemote sensingComputer scienceOpticsIce crystalsMaterials sciencePhysicsGeology

Résumé

récupéré en direct d'OpenAlex

Airborne characterization of ice crystals has important applications. The extreme difficulty of realizing in situ tests requires the development of a complete instrumentation in the laboratory. Such an installation should enable design, development, test, and calibration of instruments in conditions as close as possible to real ones. We present a set of numerical and experimental tools that have been developed to realize ice crystal sensors based on interferometric particle imaging. The set of tools covers the development of complementary simulators for crystal growth and interferometric particle imaging predictions, experimental generation of "programmable" ice crystals, and instrumentation of a freezing column where different techniques as in-focus imaging, out-of-focus imaging, and digital in-line holography can be combined simultaneously for test and calibration.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,715
Score d'incertitude au seuil0,469

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
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 Opus0,031
Tête enseignante GPT0,297
Écart entre enseignants0,266 · 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

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Scientific InstrumentsMême sujetIcing and De-icing TechnologiesTravaux en français237 207