MétaCan
Menu
Retour à la cohorte
Enregistrement W4283514475 · doi:10.1002/adem.202200573

Durable Metallic Surfaces Capable of Passive and Active De‐Icing

2022· article· en· W4283514475 sur OpenAlexafffund
Kamran Alasvand Zarasvand, Cory Pope, Saeed Nazari, David Orchard, Catherine Clark, Joshua Brinkerhoff, Kevin Golovin

Notice bibliographique

RevueAdvanced Engineering Materials · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensNational Research Council CanadaUniversity of TorontoOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesCanada Foundation for Innovation
Mots-clésIcingMaterials scienceDurabilityIcing conditionsComposite materialElastomerMeteorology

Résumé

récupéré en direct d'OpenAlex

Ice accretion has adverse effects on several industrial sectors worldwide. Sparsely suspended, thin metallic sheets (buckling elastomer‐like anti‐icing metallic surfaces, or BEAMS) recently demonstrated extremely low ice adhesion strengths while maintaining durability. Here, BEAMS are designed using elastomeric suspension points shaped as channels, enabling active de‐icing by flowing air underneath the suspended sheet. The channel geometry is optimized using computational fluid dynamics by iterating through various channel dimensions and flow conditions. An experimental setup is constructed and utilized to assess BEAMS comprised of 1–4 channels. Active de‐icing is achieved by pressurizing the air within the channels to bulge the sheet outward and delaminate accreted ice from the interface. Active de‐icing is achieved by flowing room temperature air through the channels to heat the surface and melt the interface. Passive de‐icing is also observed under atmospheric icing conditions. Rime is accreted within an icing wind tunnel on multichannel BEAMS. Ice adhesion strengths <8 kPa are maintained after ten consecutive icing/de‐icing runs, demonstrating substantial durability. The active and passive de‐icing capability of channeled BEAMS makes it a promising candidate for improving the operational efficiency of infrastructure in cold environments.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,004
Tête enseignante GPT0,181
Écart entre enseignants0,177 · 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'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

Citations7
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Engineering MaterialsMême sujetIcing and De-icing TechnologiesTravaux en français237 207