MétaCan
Menu
Retour à la cohorte
Enregistrement W2903935157 · doi:10.48550/arxiv.1812.06558

Monte Carlo simulation of 3-star lattice polymers pulled from an adsorbing surface

2018· preprint· en· W2903935157 sur OpenAlexfundno aff
C. J. Bradly, A L Owczarek

Notice bibliographique

RevuearXiv (Cornell University) · 2018
Typepreprint
Langueen
DomaineEngineering
ThématiqueAdhesion, Friction, and Surface Interactions
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoYork University
Mots-clésSimple cubic latticeLattice (music)Monte Carlo methodPhysicsLattice model (finance)Statistical physicsMixed phasePolymerPhase (matter)Quantum mechanicsMathematics

Résumé

récupéré en direct d'OpenAlex

We study uniform 3-star polymers with one branch tethered to an attractive surface and another branch pulled by a force away from the surface. Each branch of the 3-star lattice is modelled as a self-avoiding walk on the simple cubic lattice with one endpoint of each branch joined at a common node. Recent theoretical work (Ref.~1) found four phases for this system: free, fully adsorbed, ballistic and mixed. The mixed phase occurs between the ballistic and fully adsorbed phase. We investigate this system by using the flatPERM Monte Carlo algorithm with special restrictions on the endpoint moves to simulate 3-stars up to branch length 128. We provide numerical evidence of the four phases and in particular that the ballistic-mixed and adsorbed-mixed phase boundaries are first-order transitions. The position of the ballistic-mixed and adsorbed-mixed boundaries are found at the expected location in the asymptotic regime of large force and large surface-monomer interaction energy. These results indicate that the flatPERM algorithm is suitable for simulating star lattice polymers and opens up new avenues for numerical study of non-linear lattice polymers.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,051
Tête enseignante GPT0,204
Écart entre enseignants0,153 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetAdhesion, Friction, and Surface InteractionsTravaux en français237 207