MétaCan
Menu
Retour à la cohorte
Enregistrement W4380202658 · doi:10.1038/s41598-023-36182-5

Flow rate resonance of actively deforming particles

2023· article· en· W4380202658 sur OpenAlexaff
Daniel R. Parisi, Lucas E. Wiebke, Judith N. Mandl, Johannes Textor

Notice bibliographique

RevueScientific Reports · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueEvacuation and Crowd Dynamics
Établissements canadiensMcGill University
Organismes subventionnairesHuman Frontier Science Program
Mots-clésMechanicsFlow (mathematics)Resonance (particle physics)Oscillation (cell signaling)ConstrictionStiffnessParticle (ecology)AmplitudeCloggingVibrationWork (physics)Volumetric flow ratePhysicsBiophysicsMaterials scienceChemistryAcousticsOpticsBiologyThermodynamicsAtomic physics

Résumé

récupéré en direct d'OpenAlex

Lymphoid organs are unusual multicellular tissues: they are densely packed, but the lymphocytes trafficking through them are actively moving. We hypothesize that the intriguing ability of lymphocytes to avoid jamming and clogging is in part attributable to the dynamic shape changes that cells undergo when they move. In this work, we test this hypothesis by investigating an idealized system, namely, the flow of self-propelled, oscillating particles passing through a narrow constriction in two dimensions (2D), using numerical simulations. We found that deformation allows particles with these properties to flow through a narrow constriction in conditions when non-deformable particles would not be able to do so. Such a flowing state requires the amplitude and frequency of oscillations to exceed threshold values. Moreover, a resonance leading to the maximum flow rate was found when the oscillation frequency matched the natural frequency of the particle related to its elastic stiffness. To our knowledge, this phenomenon has not been described previously. Our findings could have important implications for understanding and controlling flow in a variety of systems in addition to lymphoid organs, such as granular flows subjected to vibration.

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 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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,447
Score d'incertitude au seuil0,223

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 Opus0,016
Tête enseignante GPT0,236
Écart entre enseignants0,220 · 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 tête enseignante, 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetEvacuation and Crowd DynamicsTravaux en français237 207