MétaCan
Menu
Retour à la cohorte
Enregistrement W3171280535 · doi:10.1051/epjconf/202124902008

A micro-mechanical compaction model for granular mix of soft and rigid particles

2021· article· en· W3171280535 sur OpenAlexaff
Manuel Cárdenas-Barrantes, David Cantor, Jonathan Barés, Mathieu Renouf, Émilien Azéma

Notice bibliographique

RevueEPJ Web of Conferences · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueGranular flow and fluidized beds
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésIsotropyCompressibilityCompactionGranular materialConstitutive equationParticle (ecology)JammingMaterials scienceAtomic packing factorModulusMechanicsBulk modulusDiscrete element methodFinite element methodPhysicsComposite materialThermodynamicsOptics

Résumé

récupéré en direct d'OpenAlex

We use bi-dimensional non-smooth contact dynamics simulations to analyze the isotropic compaction of mixtures composed of rigid and deformable incompressible particles. Deformable particles are modeled using the finite-element method and following a hyper-elastic neo-Hookean constitutive law. The evolution of the packing fraction, bulk modulus and particle connectivity, beyond the jamming point, are characterized as a function of the applied stresses for different proportion of rigid/soft particles and two values of friction coefficient. Based on the granular stress tensor, a micro-mechanical expression for the evolution of the packing fraction and the bulk modulus are proposed. This expression is based on the evolution of the particle connectivity together with the bulk behaviour of a single representative deformable particle. A constitutive compaction equation is then introduced, set by well-defined physical quantities, given a direct prediction of the maximum packing fractionφmaxas a function of the proportion of rigid/soft particles.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,000
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 Opus0,025
Tête enseignante GPT0,239
Écart entre enseignants0,213 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEPJ Web of ConferencesMême sujetGranular flow and fluidized bedsTravaux en français237 207