Measuring and Simulating the Transient Packing Density During Ultrasound Directed Self‐Assembly and Vat Polymerization Manufacturing of Engineered Materials
Notice bibliographique
Résumé
Abstract Ultrasound‐directed self‐assembly (DSA) uses ultrasound waves to organize and orient particles dispersed in a fluid medium into specific patterns. Combining ultrasound DSA with vat photopolymerization (VP) enables manufacturing materials layer‐by‐layer, wherein each layer the organization and orientation of particles in the photopolymer is controlled, which enables tailoring the properties of the resulting composite materials. However, the particle packing density changes with time and location as particles organize into specific patterns. Hence, relating the ultrasound DSA process parameters to the transient local particle packing density is important to tailor the properties of the composite material, and to determine the maximum speed of the layer‐by‐layer VP process. This paper theoretically derives and experimentally validates a 3D ultrasound DSA model and evaluates the local particle packing density at locations where particles assemble as a function of time and ultrasound DSA process parameters. The particle packing density increases with increasing particle volume fraction, decreasing particle size, and decreasing fluid medium viscosity is determined. Increasing the particle size and decreasing the fluid medium viscosity decreases the time to reach steady‐state. This work contributes to using ultrasound DSA and VP as a materials manufacturing process.
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 | 0,000 |
| 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 ».