MétaCan
Menu
Retour à la cohorte
Enregistrement W2780153188 · doi:10.1039/c7sm02499a

A symmetrical method to obtain shear moduli from microrheology

2018· article· en· W2780153188 sur OpenAlexaff
Kengo Nishi, Maria Kilfoil, Christoph F. Schmidt, F. C. MacKintosh

Notice bibliographique

RevueSoft Matter · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensMicrosemi (Canada)Dalhousie University
Organismes subventionnairesKavli Institute for Theoretical Physics, University of California, Santa BarbaraSeventh Framework ProgrammeDeutsche ForschungsgemeinschaftOffice of International Science and EngineeringEuropean CommissionNational Science Foundation
Mots-clésMicrorheologyModuliShear (geology)Shear modulusClassical mechanicsMaterials sciencePhysicsMechanicsRheologyComposite materialQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Passive microrheology typically deduces shear elastic loss and storage moduli from displacement time series or mean-squared displacements (MSD) of thermally fluctuating probe particles in equilibrium materials. Common data analysis methods use either Kramers-Kronig (KK) transformation or functional fitting to calculate frequency-dependent loss and storage moduli. We propose a new analysis method for passive microrheology that avoids the limitations of both of these approaches. In this method, we determine both real and imaginary components of the complex, frequency-dependent response function χ(ω) = χ'(ω) + iχ''(ω) as direct integral transforms of the MSD of thermal particle motion. This procedure significantly improves the high-frequency fidelity of χ(ω) relative to the use of KK transformation, which has been shown to lead to artifacts in χ'(ω). We test our method on both model and experimental data. Experiments were performed on solutions of worm-like micelles and dilute collagen solutions. While the present method agrees well with established KK-based methods at low frequencies, we demonstrate significant improvement at high frequencies using our symmetric analysis method, up to almost the fundamental Nyquist limit.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,582
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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)0,0060,004

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 Opus0,008
Tête enseignante GPT0,310
Écart entre enseignants0,302 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207