MétaCan
Menu
Retour à la cohorte
Enregistrement W2937016713 · doi:10.1002/adem.201900084

Application of Multifunctional Mechanical Metamaterials

2019· article· en· W2937016713 sur OpenAlexaff
Ali Shanian, F. X. Jetté, Mahtab Salehii, Minh Quan Pham, Megan Schaenzer, Geneviève Bourgeois, Katia Bertoldi, Andrew J. Gross, Farhad Javid, David Bäckman, Scott Yandt, M. Gerendás, Tobias Meis, Karsten Knobloch, Friedrich Bake, Dieter Peitsch

Notice bibliographique

RevueAdvanced Engineering Materials · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueCellular and Composite Structures
Établissements canadiensNational Research Council CanadaSiemens (Canada)
Organismes subventionnairesnon disponible
Mots-clésMetamaterialMaterials scienceAuxeticsRealization (probability)Mechanical engineeringEngineering physicsComposite materialEngineeringOptoelectronics

Résumé

récupéré en direct d'OpenAlex

Mechanical metamaterials have attracted great interest due their ability to attain material properties outside the bounds of those found in natural materials. Many promising mechanical metamaterials have been designed, fabricated, and tested, however, these metamaterials have not been subjected to the rigorous requirements needed to certify their use in demanding industrial applications that require multifunctional behavior. This paper details an auxetic multifunctional metamaterial that has been optimized to outperform conventional designs for cooling systems commonly used in the space, the transportation, the energy and the nuclear industry. Experimental tests performed to certify this material for use in gas turbines have shown that in comparison to conventional designs, the metamaterial increases structural life by orders of magnitude while also providing more efficient cooling and maintaining similar acoustic damping characteristics. This metamaterial offers an agile and economical solution for the realization of next generation components.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,002
Tête enseignante GPT0,173
Écart entre enseignants0,171 · 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'étudeExpérimental (laboratoire)
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

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Engineering MaterialsMême sujetCellular and Composite StructuresTravaux en français237 207