MétaCan
Menu
Retour à la cohorte
Enregistrement W3113563692 · doi:10.3390/molecules26010028

Gas and Liquid Phase Imaging of Foam Flow Using Pure Phase Encode Magnetic Resonance Imaging

2020· article· en· W3113563692 sur OpenAlexafffund
Alexander Adair, Sebastian Richard, Benedict Newling

Notice bibliographique

RevueMolecules · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiquePickering emulsions and particle stabilization
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMagnetic resonance imagingConstrictionMaterials scienceOpacityFlow (mathematics)Phase (matter)Resonance (particle physics)Volumetric flow rateTwo-phase flowNuclear magnetic resonanceMechanicsOpticsChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Magnetic resonance imaging (MRI) is a non-invasive and non-optical measurement technique, which makes it a promising method for studying delicate and opaque samples, such as foam. Another key benefit of MRI is its sensitivity to different nuclei in a sample. The research presented in this article focuses on the use of MRI to measure density and velocity of foam as it passes through a pipe constriction. The foam was created by bubbling fluorinated gas through an aqueous solution. This allowed for the liquid and gas phases to be measured separately by probing the 1H and 19F behavior of the same foam. Density images and velocity maps of the gas and liquid phases of foam flowing through a pipe constriction are presented. In addition, results of computational fluid dynamics simulations of foam flow in the pipe constriction are compared with experimental results.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,435
Score d'incertitude au seuil0,429

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,021
Tête enseignante GPT0,286
Écart entre enseignants0,266 · 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'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

Citations4
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMoleculesMême sujetPickering emulsions and particle stabilizationTravaux en français237 207