MétaCan
Menu
Retour à la cohorte
Enregistrement W3044559154 · doi:10.3390/biomimetics5030035

How to Build a Biological Machine Using Engineering Materials and Methods

2020· article· en· W3044559154 sur OpenAlexaff
Alex Ellery

Notice bibliographique

RevueBiomimetics · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueOrigins and Evolution of Life
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceBiological engineeringBiochemical engineeringEngineeringManufacturing engineeringProcess engineeringBiologyBioinformatics

Résumé

récupéré en direct d'OpenAlex

We present work in 3D printing electric motors from basic materials as the key to building a self-replicating machine to colonise the Moon. First, we explore the nature of the biological realm to ascertain its essence, particularly in relation to the origin of life when the inanimate became animate. We take an expansive view of this to ascertain parallels between the biological and the manufactured worlds. Life must have emerged from the available raw material on Earth and, similarly, a self-replicating machine must exploit and leverage the available resources on the Moon. We then examine these lessons to explore the construction of a self-replicating machine using a universal constructor. It is through the universal constructor that the actuator emerges as critical. We propose that 3D printing constitutes an analogue of the biological ribosome and that 3D printing may constitute a universal construction mechanism. Following a description of our progress in 3D printing motors, we suggest that this engineering effort can inform biology, that motors are a key facet of living organisms and illustrate the importance of motors in biology viewed from the perspective of engineering (in the Feynman spirit of "what I cannot create, I cannot understand").

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,005
Communication savante0,0030,005
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,006

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 Opus0,044
Tête enseignante GPT0,311
Écart entre enseignants0,267 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomimeticsMême sujetOrigins and Evolution of LifeTravaux en français237 207