MétaCan
Menu
Retour à la cohorte
Enregistrement W4281678140 · doi:10.1088/1361-6501/ac75b0

Flow visualization: state-of-the-art development of micro-particle image velocimetry

2022· article· en· W4281678140 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.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueMeasurement Science and Technology · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésParticle image velocimetryMicroscale chemistryVelocimetryParticle tracking velocimetryVisualizationMicrofluidicsComputer scienceState of artOpticsMaterials scienceNanotechnologyPhysicsArtificial intelligenceMechanicsData science

Résumé

récupéré en direct d'OpenAlex

Abstract Experimental flow visualization is a valuable tool for analyzing microfluidics and nanofluidics in a wide variety of applications. Since the late 1990s, considerable advances in optical methods and image postprocessing techniques have improved direct optical measurements, resulting in an accurate qualitative and quantitative understanding of transport phenomena in lab-on-a-chip capillaries. In this study, a comparison of different optical measurement techniques is presented. The state-of-the-art development of particle image velocimetry (PIV) to date, particularly in microscale applications, is reviewed here in detail. This study reviews novel approaches for estimating velocity field measurements with high precision within interrogation windows. Different regularization terms are discussed to demonstrate their capability for particle displacement optimization. The discussion shows how single- and multi-camera optical techniques provide two-dimensional and three-component velocity fields. The performance of each method is compared by highlighting its advantages and limitations. Finally, the feasibility of micro resolution PIV in bioapplications is overviewed.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,189
Score d'incertitude au seuil0,224

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 GPT0,205
Écart entre enseignants0,194 · 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