MétaCan
Menu
Retour à la cohorte
Enregistrement W2999118207 · doi:10.1115/1.4045951

Light Control of the Diffusion Coefficient of Active Fluids

2020· article· en· W2999118207 sur OpenAlexaff

Notice bibliographique

RevueJournal of Fluids Engineering · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésIsotropyPerturbation (astronomy)Active matterDiffusionSteady state (chemistry)Ray

Résumé

récupéré en direct d'OpenAlex

Abstract Active fluids refer to the fluids that contain self-propelled particles such as bacteria or microalgae, whose properties differ fundamentally from the passive fluids. Such particles often exhibit an intermittent motion, with high-motility “run” periods broken by low-motility “tumble” periods. The average motion can be modified with external stresses, such as nutrient or light gradients, leading to a directed movement called chemotaxis and phototaxis, respectively. Using cyanobacterium Synechocystis sp. PCC 6803, a model microorganism to study photosynthesis, we track the bacterial response to light stimuli, under isotropic and nonisotropic (directional) conditions. In particular, we investigate how the intermittent motility is influenced by illumination. We find that just after a rise in light intensity, the probability to be in the run state increases. This feature vanishes after a typical characteristic time of about 1 h, when initial probability is recovered. Our results are well described by a mathematical model based on the linear response theory. When the perturbation is anisotropic, we observe a collective motion toward the light source (phototaxis). We show that the bias emerges due to more frequent runs in the direction of the light, whereas the run durations are longer whatever the direction.

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)0,001
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: 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
Métarecherche0,0000,001
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 Opus0,005
Tête enseignante GPT0,187
Écart entre enseignants0,182 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fluids EngineeringMême sujetMicro and Nano RoboticsTravaux en français237 207