MétaCan
Menu
Retour à la cohorte
Enregistrement W3025737376 · doi:10.1039/d0sm00879f

Driven dynamics in dense suspensions of microrollers

2020· preprint· en· W3025737376 sur OpenAlexaff
Brennan Sprinkle, Ernest B. van der Wee, Yixiang Luo, Michelle Driscoll, Aleksandar Donev

Notice bibliographique

RevueSoft Matter · 2020
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesDivision of Chemical, Bioengineering, Environmental, and Transport SystemsDivision of Materials ResearchMaterials Research Science and Engineering Center, Harvard UniversityNvidiaNational Science Foundation
Mots-clésSuspension (topology)LubricationBrownian motionParticle (ecology)MechanicsTracking (education)Materials scienceBrownian dynamicsLubrication theoryColloidPhysicsChemistryComposite materialGeologyMathematics

Résumé

récupéré en direct d'OpenAlex

We perform detailed computational and experimental measurements of the driven dynamics of a dense, uniform suspension of sedimented microrollers driven by a magnetic field rotating around an axis parallel to the floor. We develop a lubrication-corrected Brownian dynamics method for dense suspensions of driven colloids sedimented above a bottom wall. The numerical method adds lubrication friction between nearby pairs of particles, as well as particles and the bottom wall, to a minimally-resolved model of the far-field hydrodynamic interactions. Our experiments combine fluorescent labeling with particle tracking to trace the trajectories of individual particles in a dense suspension, and to measure their propulsion velocities. Previous computational studies [B. Sprinkle et al., J. Chem. Phys., 2017, 147, 244103] predicted that at sufficiently high densities a uniform suspension of microrollers separates into two layers, a slow monolayer right above the wall, and a fast layer on top of the bottom layer. Here we verify this prediction, showing good quantitative agreement between the bimodal distribution of particle velocities predicted by the lubrication-corrected Brownian dynamics and those measured in the experiments. The computational method accurately predicts the rate at which particles are observed to switch between the slow and fast layers in the experiments. We also use our numerical method to demonstrate the important role that pairwise lubrication plays in motility-induced phase separation in dense monolayers of colloidal microrollers, as recently suggested for suspensions of Quincke rollers [D. Geyer et al., Phys. Rev. X, 2019, 9(3), 031043].

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

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 ouverte0,0010,001
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 Opus0,012
Tête enseignante GPT0,239
Écart entre enseignants0,227 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetMicro and Nano RoboticsTravaux en français237 207