MétaCan
Menu
Retour à la cohorte
Enregistrement W4387867437 · doi:10.21203/rs.3.rs-3474771/v1

Gravitational variation through magnetic fields for particles in fluids

2023· preprint· en· W4387867437 sur OpenAlexaff
Facundo Cabrera-Booman, Nicolas Plihon, Mickaël Bourgoin, Raúl Bayoán Cal

Notice bibliographique

RevueResearch Square · 2023
Typepreprint
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensCanadian Nautical Research Society
Organismes subventionnairesDivision of Chemical, Bioengineering, Environmental, and Transport SystemsUniversité de LyonNational Science Foundation
Mots-clésVariation (astronomy)GravitationPhysicsClassical mechanicsAstrophysics

Résumé

récupéré en direct d'OpenAlex

Abstract A magnetic field (MF) is generated to modify gravity in a laboratory. The MF produces a vertical force that counteracts the gravitational field on a magnetic sphere. The perpendicular spin of particles is blocked, thus allowing spin solely around the direction of the MF.The settling of spherical magnets in a quiescent flow with a particle density of $8200$~kg/m$^3$ and Galileo number (Ga) in the range $[100,280]$ was studied experimentally. The results obtained by varying Ga via gravity modification to those obtained with non-magnetic spheres where Ga is modified by varying viscosity are compared. Findings showed that there is no significant difference in the trajectory angle between magnetic and non-magnetic cases, suggesting that the method for compensating gravity does not produce any spurious effect and that particle spinning has no significant effect on this aspect of the dynamics. Subtle differences in trajectory planarity were observed hinting at a possible dependence on particle spin. Results prove the validity of the method introduced here to change the gravitational strength on particles in fluids.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,107
Tête enseignante GPT0,398
Écart entre enseignants0,291 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetParticle Dynamics in Fluid FlowsTravaux en français237 207