MétaCan
Menu
Retour à la cohorte
Enregistrement W3103453577

Study of Functionally Graded Temperature-Sensitive Hydrogel Micro-Valve Considering Fluid-Structure Interactions

2020· article· en· W3103453577 sur OpenAlexaff
Hashem Mazaheri

Notice bibliographique

RevueResearch Explorer (The University of Manchester) · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueHermeneutics and Narrative Identity
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceFluid–structure interactionComposite materialSelf-healing hydrogelsChemistryStructural engineeringFinite element methodEngineeringPolymer chemistry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Hydrogels are the smart polymeric materials, which undergo large deformation when they are subjected to different physical and chemical stimuli in contact with fluids. These materials can be applied as sensors and actuators for instance in microfluidics in which the fluidsolid interactions have an important effect on its performance. On the other hand, the use of graded materials is also important considering their advantages. In this study, the behavior of a functionally graded temperature sensitive hydrogel micro-valve is investigated through considering the fluid-solid interactions. In this regard, the appropriate numerical tool for finite element modeling of a functionally graded hydrogel micro-valve has been developed that it has been implemented in both non fluid-solid interactions and fluid-solid interactions simulation. The homogeneous cases of the micro-valve have also been considered to distinguish the functionally graded temperature sensitive hydrogel micro-valve effect. The results indicate that the effect of fluid-solid interactions was important and have considerable impact on micro-valve operating parameters particularly its closing temperature and fluid flow rate. Thus, a comprehensive study on hydrogel-based micro-valve has been presented considering operating parameters such as inlet pressure and cross linking density of hydrogel.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,826

Scores Codex et Gemma par catégorie

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 technologies0,0010,001
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 Opus0,131
Tête enseignante GPT0,284
Écart entre enseignants0,153 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Explorer (The University of Manchester)Même sujetHermeneutics and Narrative IdentityTravaux en français237 207