MétaCan
Menu
Retour à la cohorte
Enregistrement W2791133414 · doi:10.1039/c7sm02233f

Defect formation dynamics in curved elastic surface crystals

2018· article· en· W2791133414 sur OpenAlexaff
Norbert Stoop, Jörn Dunkel

Notice bibliographique

RevueSoft Matter · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueTheoretical and Computational Physics
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésTopological defectCondensed matter physicsMaterials scienceNucleationPhase transitionThermal fluctuationsLiquid crystalPhysicsSurface (topology)Geometry

Résumé

récupéré en direct d'OpenAlex

Topological defects shape the material and transport properties of physical systems. Examples range from vortex lines in quantum superfluids, defect-mediated buckling of graphene, and grain boundaries in ferromagnets and colloidal crystals, to domain structures formed in the early universe. The Kibble-Zurek (KZ) mechanism describes the topological defect formation in continuous non-equilibrium phase transitions with a constant finite quench rate. Universal KZ scaling laws have been verified experimentally and numerically for second-order transitions in planar Euclidean geometries, but their validity for non-thermal transitions in curved and topologically nontrivial systems still poses open questions. Here, we use recent experimentally confirmed theory to investigate topological defect formation in curved elastic surface crystals formed by stress-quenching a bilayer material. For both spherical and toroidal crystals, we find that the defect densities follow KZ-type power laws. Moreover, the nucleation sequences agree with recent experimental observations for spherical colloidal crystals. Our results suggest that curved elastic bilayers provide an experimentally accessible macroscopic system to study universal properties of non-thermal phase transitions in non-planar geometries.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,001
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 Opus0,005
Tête enseignante GPT0,219
Écart entre enseignants0,214 · 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'étudeThéorique ou conceptuel
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

Citations22
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetTheoretical and Computational PhysicsTravaux en français237 207