MétaCan
Menu
Retour à la cohorte
Enregistrement W4381057176 · doi:10.3397/nc_2023_0111

Air vent shape optimization with metamaterials.

2023· article· en· W4381057176 sur OpenAlexaff
Marco Lizotte, Raymond Panneton, Jean-Bernard Piaud

Notice bibliographique

RevueNOISE-CON proceedings · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésHVACNoise (video)Ventilation (architecture)Octave bandAcousticsAir conditioningIndoor air qualityEnclosureComputer scienceMetamaterialSimulationOctave (electronics)Environmental scienceMechanical engineeringEngineeringTelecommunicationsPhysicsOpticsArtificial intelligenceEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Heating, Ventilation and Air Conditioning (HVAC), are crucial in every building for the well being of the occupants. While these equipments take care of the air quality with exhausting polluted air out and bringing fresh air in, they can let a polluant in: noise. Noise can have non-physical effects like disturbed sleep, cognitive problems or even influences on heart diseases. Recent developments in the acoustic field shown the use of metamaterials that can reduce noise while keeping good ventilation. The sonic crystals, disposed in a certain pattern following the Bragg's law, can be tuned to reduce noise on a wide frequency band. The design of an air vent, known as a metacage, was made by using open source numerical simulations. Based on a numerical plan and optimization methods, this study's goal was to find the optimal solution for the HVAC to reduce noise while minimizing ventilation loss. Following the simulations results, the metacage generated was 3D printed for validation in the laboratory, showing the corroboration with the simulations. The final results show third-octave bands with a TL peak over 10dB and an average of 3dB for all the others bands up to 10kHz. All this while keeping minimal ventilation loss.

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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,034
Tête enseignante GPT0,343
Écart entre enseignants0,309 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNOISE-CON proceedingsMême sujetNoise Effects and ManagementTravaux en français237 207