MétaCan
Menu
Retour à la cohorte
Enregistrement W3146406470 · doi:10.1038/s41598-021-85838-7

Magnetoinductive waves in attenuating media

2021· article· en· W3146406470 sur OpenAlexaff
Son Chu, Mark S. Luloff, Jiaruo Yan, P. Petrov, C.J. Stevens, E. Shamonina

Notice bibliographique

RevueScientific Reports · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensCanadian Nuclear Laboratories
Organismes subventionnairesEngineering and Physical Sciences Research CouncilUniversity of Oxford
Mots-clésDissipative systemElectromagnetic radiationEddy currentResonatorElectronic circuitAcousticsPhysicsWave propagationDispersion (optics)WirelessComputer scienceHomogeneousRadio waveEquivalent circuitUnderwaterElectronic engineeringTelecommunicationsOptoelectronicsEngineeringOpticsStatistical physicsGeology

Résumé

récupéré en direct d'OpenAlex

The capability of magnetic induction to transmit signals in attenuating environments has recently gained significant research interest. The wave aspect-magnetoinductive (MI) waves-has been proposed for numerous applications in RF-challenging environments, such as underground/underwater wireless networks, body area networks, and in-vivo medical diagnosis and treatment applications, to name but a few, where conventional electromagnetic waves have a number of limitations, most notably losses. To date, the effects of eddy currents inside the dissipative medium have not been characterised analytically. Here we propose a comprehensive circuit model of coupled resonators in a homogeneous dissipative medium, that takes into account all the electromagnetic effects of eddy currents, and, thereby, derive a general dispersion equation for the MI waves. We also report laboratory experiments to confirm our findings. Our work will serve as a fundamental model for design and analysis of every system employing MI waves or more generally, magnetically-coupled circuits in attenuating media.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,013
Tête enseignante GPT0,211
Écart entre enseignants0,198 · 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'étudeSimulation ou modélisation
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

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207