MétaCan
Menu
Retour à la cohorte
Enregistrement W2987602212 · doi:10.1063/1.5119715

Optimally graded porous material for broadband perfect absorption of sound

2019· article· en· W2987602212 sur OpenAlexafffund
Jean Boulvert, Théo Cavalieri, Josué Costa-Baptista, Logan Schwan, Vicente Romero‐García, Gwénaël Gabard, Edith Roland Fotsing, Annie Ross, Jacky Mardjono, Jean‐Philippe Groby

Notice bibliographique

RevueJournal of Applied Physics · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAcoustic Wave Phenomena Research
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAgence Nationale de la Recherche
Mots-clésMaterials sciencePorous mediumAbsorption (acoustics)Reflection (computer programming)Conjugate gradient methodPorositySound transmission classNonlinear systemAcousticsMaterial propertiesBroadbandOpticsComposite materialMechanicsMathematicsComputer sciencePhysicsMathematical optimization

Résumé

récupéré en direct d'OpenAlex

This article presents a numerical optimization procedure of continuous gradient porous layer properties to achieve perfect absorption under normal incidence. This design tool is applied on a graded porous medium composed of a periodic arrangement of ordered unit cells allowing one to link the effective acoustic properties to its geometry. The best microgeometry continuous gradient providing the optimal acoustic reflection and/or transmission is designed via a nonlinear conjugate gradient algorithm. The acoustic performances of the so-designed continuous graded material are discussed with respect to the optimized homogeneous, i.e., nongraded and monotonically graded material. The numerical results show a shifting of the perfect absorption peak to lower frequencies or a widening of the perfect absorption frequency range for graded materials when compared to uniform ones. The results are validated experimentally on 3D-printed samples, therefore, confirming the relevance of such a gradient along with the efficiency of the control of the entire design process.

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 enseignants0,000
Score d'incertitude au seuil0,002

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)0,0000,000

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 Opus0,014
Tête enseignante GPT0,237
Écart entre enseignants0,223 · 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

Citations62
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysicsMême sujetAcoustic Wave Phenomena ResearchTravaux en français237 207