MétaCan
Menu
Retour à la cohorte
Enregistrement W3139277604 · doi:10.1039/d0sm02039g

Dynamical time scales of friction dynamics in active microrheology of a model glass

2021· article· en· W3139277604 sur OpenAlexaff
Ata Madanchi, Ji Woong Yu, Won Bo Lee, M. Reza Rahimi Tabar, S. H. Ebrahimnazhad Rahbari

Notice bibliographique

RevueSoft Matter · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMaterial Dynamics and Properties
Établissements canadiensMcGill University
Organismes subventionnairesNational Research Foundation
Mots-clésSupercoolingMicrorheologyDynamics (music)Dynamical heterogeneityRotational dynamicsMaterials scienceStatistical physicsChemical physicsGlass transitionPhysicsThermodynamicsRheologyComposite materialPolymer

Résumé

récupéré en direct d'OpenAlex

Owing to the local/heterogeneous structures in supercooled liquids, after several decades of research, it is now clear that supercooled liquids are structurally different from their conventional liquid counterparts. Accordingly, an approach based on a local probe should provide a better understanding about the local mechanical properties as well as heterogeneous structures. Recently, the superiority of active microrheology over global rheology has been demonstrated [Yu et al., Sci. Adv., 2020, 6, 8766]. Here, we elaborate this new avenue of research and provide more evidence for such superiority. We report on the results of an extensive molecular dynamics simulation of active microrheology of a model glass. We identify several time scales in time series of friction, and detect a transition in dynamical behavior of friction. We discuss the possible relation to structural heterogeneities-a subject of considerable interest in glass physics.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,561
Score d'incertitude au seuil0,966

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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,220
Écart entre enseignants0,212 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetMaterial Dynamics and PropertiesTravaux en français237 207