MétaCan
Menu
Retour à la cohorte
Enregistrement W3118754756 · doi:10.4271/2021-01-0265

Modified Multi-material Topology Optimization Considering Isotropic and Anisotropic Materials Mixture

2021· article· en· W3118754756 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueTopology Optimization in Engineering
Établissements canadiensGeneral Motors (Canada)Queen's University
Organismes subventionnairesnon disponible
Mots-clésIsotropyTopology optimizationMaterials scienceAnisotropyTopology (electrical circuits)Composite materialComputer sciencePhysicsFinite element methodStructural engineeringEngineeringOpticsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

<div class="section abstract"><div class="htmlview paragraph">This paper describes the element interpolation scheme for multi-material topology optimization (MMTO), which generalizes the existing standard MMTO approach to overcome the inherent limitations of using only isotropic materials with a constant Poisson’s ratio. To address this limitation, the proposed method transforms the MMTO solution in a series of single material topology optimization (SMTO) by stacking multiple elements within the same design cell and assigning each weighted candidate material to an element. Solid Isotropic Material with Penalization (SIMP) equations are defined as weighting factors applied on each candidate material. As a result, anisotropic or isotropic materials with different Poisson’s ratios can be implemented in MMTO, allowing engineers to determine optimized designs that explore the full potential of isotropic and anisotropic materials properties. A thorough discussion of the element interpolation method as well the sensitivity equations are presented in this paper along with two application examples demonstrating its implementation.</div></div>

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.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,959
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,010
Tête enseignante GPT0,225
Écart entre enseignants0,215 · 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