MétaCan
Menu
Retour à la cohorte
Enregistrement W2808494026 · doi:10.1177/0266351118779979

A comparison of two algorithms for the simulation of bending-active structures

2018· article· en· W2808494026 sur OpenAlexafffund
Pierre Cuvilliers, Justina R. Yang, Lancelot Coar, Caitlin Mueller

Notice bibliographique

RevueInternational Journal of Space Structures · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Analysis and Optimization
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesWinnipeg Arts CouncilManitoba Arts CouncilUniversity of Manitoba
Mots-clésBendingPalette (painting)Computer scienceScale (ratio)RodPlanarBent molecular geometryStructural engineeringAlgorithmComputational scienceMechanical engineeringEngineeringComputer graphics (images)Physics

Résumé

récupéré en direct d'OpenAlex

Bending-active structures, made from elastically bent materials such as fiberglass rods, offer exciting opportunities in architecture because of their broad formal palette and ease of construction. While they have been relevant since Frei Otto’s Mannheim Multihalle (1974), recent computational developments that help simulate active-bending processes have renewed interest in them. Such tools are important because they can replace time-consuming and imprecise physical modeling processes. However, physically meaningful simulations, using real materials and full scale, are difficult to create, and there are no good mechanisms to reveal when a simulation is inaccurate. This article offers a conceptual and numerical study of two popular contemporary algorithms for simulations of bending-active structures, mainly through a comparison of their results on the planar elastica. We then offer guidelines on best practice modeling settings and demonstrate possibilities and pitfalls through an architectural-scale case study.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0030,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,028
Tête enseignante GPT0,365
Écart entre enseignants0,337 · 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'étudeSimulation ou modélisation
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

Citations13
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Space StructuresMême sujetStructural Analysis and OptimizationTravaux en français237 207