Increasing the location rate of positron emission particle tracking (PEPT) measurements for froth flotation
Notice bibliographique
Résumé
A non-invasive technique named positron emission particle tracking (PEPT) is used to study the dynamics of mineral particles found in froth flotation. High frequency tracking is required to fully resolve turbulent flow paths with highly fluctuating velocity components. Tracking frequency is also called “location rate”, which is the number of tracked locations per second. A time interpolation algorithm was implemented on the raw data of a PEPT measurement to increase the effective location rate of PEPT data. The algorithm was validated with Monte-Carlo simulations of the Siemens ECAT “EXACT3D” HR++ PET scanner at PEPT Cape Town (University of Cape Town). The paths generated from the simulated data with improved timing information had an order of magnitude lower uncertainty in both the position and time components of a location measurement. The algorithm was then applied to PEPT experiments with freely moving particles in a laboratory scale flotation vessel to demonstrate the impact of tracking with higher fidelity. • Positron emission particle tracking (PEPT) in flotation needs higher location rates. • A time interpolation algorithm was implemented to increase the listmode precision. • The location rate of Lagrangian measurements with PEPT was increased up to 10.0 kHz. • The uncertainty of a location decreased by an order of magnitude in time and position. • The interpolation algorithm was validated with Monte Carlo simulations.
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 | 0,001 | 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 ».