MétaCan
Menu
Retour à la cohorte
Enregistrement W2811388867 · doi:10.1115/1.4040555

A 149 Line Homogenization Code for Three-Dimensional Cellular Materials Written in matlab

2018· article· en· W2811388867 sur OpenAlexafffund
Guoying Dong, Yunlong Tang, Yaoyao Fiona Zhao

Notice bibliographique

RevueJournal of Engineering Materials and Technology · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueCellular and Composite Structures
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHomogenization (climate)AnisotropyScripting languageMATLABComputer scienceNetwork topologyVoid (composites)Topology (electrical circuits)VoxelMaterials scienceComputational scienceAlgorithmComposite materialMathematicsPhysicsArtificial intelligenceOptics

Résumé

récupéré en direct d'OpenAlex

Cellular architectures are promising in a variety of engineering applications due to attractive material properties. Additive manufacturing has reduced the difficulty in the fabrication of three-dimensional (3D) cellular materials. In this paper, the numerical homogenization method for 3D cellular materials is provided based on a short, self-contained matlab code. It is an educational description that shows how the homogenized constitutive matrix is computed by a voxel model with one material to be void and another material to be solid. A voxel generation algorithm is proposed to generate the voxel model easily by the wireframe scripts of unit cell topologies. The format of the wireframe script is defined so that the topology can be customized. The homogenization code is then extended to multimaterial cellular structures and thermal conductivity problems. The result of the numerical homogenization shows that different topologies exhibit anisotropic elastic properties to a different extent. It is also found that the anisotropy of cellular materials can be controlled by adjusting the combination of materials.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,266

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0790,029

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 GPT0,189
Écart entre enseignants0,184 · 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
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

Citations230
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Engineering Materials and TechnologyMême sujetCellular and Composite StructuresTravaux en français237 207