MétaCan
Menu
Retour à la cohorte
Enregistrement W2996943853 · doi:10.1088/1361-665x/ab6694

Robust lightweight multifunctional thermally tailored lattices

2019· article· en· W2996943853 sur OpenAlexaff
Marina M. Toropova, Craig A. Steeves

Notice bibliographique

RevueSmart Materials and Structures · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueComposite Structure Analysis and Optimization
Établissements canadiensUniversity of TorontoSystems, Applications & Products in Data Processing (Canada)
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComputer scienceDistributed computing

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents conceptual designs for lightweight lattices that are able to connect two materials with differing coefficients of thermal expansion without generating thermal expansion mismatch stresses during temperature excursions. The lattices operate passively at ambient conditions to accommodate large variations of temperature and to provide constant separation, independent of temperature, between the substrate materials. When pin-connected, the lattices are free from thermal mismatch stresses both internally and at their connections with the substrates. However, previous configurations of these lattices are highly sensitive to small perturbations in geometry, as would be associated with thermal expansion or manufacturing imperfections, and hence must be designed giving consideration to such phenomena. Hence, sensitivity analysis must be a factor in the design process. To show that such sensitivity analyses can be carried out using theoretical approaches, experimental results are presented that are in accord with the theoretical calculations. Several examples are given to demonstrate strategies for reducing lattice sensitivity to geometric imperfections for different combinations of material and geometry. More importantly, novel alternative designs for lattices using simpler configurations, which are less sensitive to small perturbations, are explained. These alternative lattices employ less complicated geometry and, in some cases, require only one material, but offer less adaptibility in the situations to which they are applicable.

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 seuil0,005

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 savante0,0010,001
Science ouverte0,0000,001
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 Opus0,006
Tête enseignante GPT0,180
Écart entre enseignants0,173 · 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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmart Materials and StructuresMême sujetComposite Structure Analysis and OptimizationTravaux en français237 207