MétaCan
Menu
Retour à la cohorte
Enregistrement W4392382224 · doi:10.1016/j.tmater.2024.100026

Connectivity in binary mixtures of spherical particles

2024· article· en· W4392382224 sur OpenAlexaff
Aurélien Sibellas, James Drummond, D. Mark Martinez, A.B. Phillion

Notice bibliographique

RevueTomography of Materials and Structures · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiquePickering emulsions and particle stabilization
Établissements canadiensMcMaster UniversityHamilton Health SciencesVancouver Biotech (Canada)University of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSPHERESBinary numberCoordination numberRange (aeronautics)VisualizationStatistical physicsMaterials scienceComputer scienceNanotechnologyMathematicsPhysicsArtificial intelligenceComposite material

Résumé

récupéré en direct d'OpenAlex

Mono- and poly-disperse assemblies of spherical particles are investigated in terms of their average and partial coordination numbers by means of X-ray microtomography using a novel morphology-based image processing method to statistically distinguish true contacting particles from very close ones having apparent contacts arising from image artefacts. This technique is shown to reduce overestimations given by the laborious liquid-bridge method while corroborating theoretical predictions such as Z ¯ ≤ 6 for random beds of mono-sized spheres and trends of the partial coordination numbers in binary mixtures of spheres. This method also provides a detailed and unbiased visualization of the long-range connectivity between similar particles which suggests that for partial coordination numbers Z ¯ i i > 3 , chains of particular contact-category are formed throughout the assembly.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,143
Score d'incertitude au seuil0,249

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,254
Écart entre enseignants0,242 · 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'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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTomography of Materials and StructuresMême sujetPickering emulsions and particle stabilizationTravaux en français237 207