Using phase interference to characterize dynamic properties—a review of constant gradient, portable magnetic resonance methods
Notice bibliographique
Résumé
Spatially resolved motion-sensitized magnetic resonance (MR) is a powerful tool for studying the dynamic properties of materials. Traditional methods involve using large, expensive equipment to create images of sample displacement by measuring the spatially resolved MR signal response to time-varying magnetic field gradients. In these systems, both the sample and the stress applicator are typically positioned inside a magnet bore. Portable MR instruments with constant gradients are more accessible, with fewer limitations on sample size, and they can be used in industrial settings to study samples under deformation or flow. We propose a view in which the well-controlled sensitive region of a magnet array acts as an integrator, with the velocity distribution leading to phase interference in the detected signal, which encodes information on the sample’s dynamic properties. For example, in laminar flows of Newtonian and non-Newtonian fluids, the velocity distribution can be determined analytically and used to extract the fluid’s dynamic properties from the MR signal magnitude and/or phase. This review covers general procedures, practical considerations, and examples of applications in dynamic mechanical analysis and fluid rheology (viscoelastic deformation, laminar pipe flows, and Couette flows). Given that these techniques are relatively uncommon in the broader magnetic resonance community, this review is intended for both advanced NMR users and a more general physics/engineering audience interested in rheological applications of NMR.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».