MétaCan
Menu
Retour à la cohorte
Enregistrement W2773982084 · doi:10.1080/19475411.2017.1409822

Flow velocity and temperature sensing using thermosensitive fluorescent polymer seed particles in water

2017· article· en· W2773982084 sur OpenAlexaff
Filippo Cellini, Sean D. Peterson, Maurizio Porfiri

Notice bibliographique

RevueInternational Journal of Smart and Nano Materials · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesDivision of Chemical, Bioengineering, Environmental, and Transport SystemsOffice of Naval ResearchNational Science Foundation
Mots-clésMicroscale chemistryFlow velocityParticle image velocimetryMaterials sciencePolymerFlow (mathematics)VelocimetryTemperature measurementParticle (ecology)FluorescenceFluid dynamicsMechanicsOpticsThermodynamicsComposite materialPhysicsTurbulence

Résumé

récupéré en direct d'OpenAlex

Particle image velocimetry (PIV) is an experimental technique that uses microscale particles as tracers to measure the velocity of a fluid flow. In this paper, we seek to extend this technique to simultaneously measure fluid temperature as well, by employing a novel class of thermosensitive polymer particles. Towards this aim, we designed a process to encapsulate highly fluorescent thermosensitive NBD-AE-co-poly(N-isopropylacrylamide) polymers into optically transparent poly(dimethylsiloxane) particles. These novel PIV particles enable direct measurement of water velocity while serving as temperature probes that increase their fluorescence intensity when the temperature rises above 32 °C. To demonstrate the ability of the particles to simultaneously serve as flow tracers and temperature sensors in water, we examine the flow velocity and temperature in the wake of a heated cylinder in a cross flow. Our results indicate the possibility of extending PIV to afford the spatial and temporal resolution of fluid velocity and temperature gradients in water, with potential application to the study of convection problems from life sciences to engineering.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,482

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 savante0,0010,000
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 Opus0,021
Tête enseignante GPT0,268
Écart entre enseignants0,246 · 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

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Smart and Nano MaterialsMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207