Mesoscale Lattice Structure Design and Simulation with the Support of a Property Database
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.
Notice bibliographique
Résumé
The lattice structure is a type of cellular materials [1] that has truss-like structures with interconnected struts and nodes in a three-dimensional (3D) space. Compared to other cellular materials such as random foams and honeycombs, the lattice structures exhibit better mechanical performance [2]. Some examples of lattice structures are shown in Figure 8.1. The first one is a randomized lattice structure. Due to the disordered lattice cells, the properties of this type of lattice structures are stochastic and difficult to control. But it can be used as implants in orthopedic surgeries. The second and the third are lattice structures with periodic unit cells. The difference is that the strut thickness of the second one is uniform, which is called homogeneous lattice structures. However, the third one has non-uniform strut thickness for specific loading conditions, which is called heterogeneous lattice structures. By properly adjusting the material in vital parts of the lattice structure, the heterogeneous periodic lattice structure can have a better mechanical performance than the homogeneous one with the same weight. Plenty of design and optimization methods [3-5] have been proposed for lattice structures to pursue better performance in different engineering applications. For example, the lattice structure is applied to achieve lightweight [3, 4], energy absorption [6], and thermal management [7]. Due to the complexity of the geometry, the fabrication of lattice structures had been the most critical issue. However, with the development of Additive Manufacturing (AM) processes, the difficulty in the fabrication was largely relieved.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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