Temperature‐Driven Topological Transformations in Prestressed Cellular Metamaterials
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Stimuli‐responsive materials are able to alter their physicochemical properties, e.g., shape, color, or stiffness, upon exposure to an external trigger, e.g., heat, light, or humidity, exhibiting environmental adaptability. Their capacity to undergo shape reconfiguration, pattern transformation, and property modulation enables multifunctionality. In this work, two strategies are harnessed, i.e., prestressed assembly and temperature‐dependent stiffness reversal, to introduce a class of temperature‐responsive metamaterials capable of undergoing topological transformations, endowing them with smart functionality. Through a combination of mechanics theory, numerical simulations, and thermomechanical experiments, the physical mechanisms underlying the temperature‐triggered topological transformations leading to pattern switches are first elucidated, and then the insights are leveraged to demonstrate tunable bandgaps and robotic capturers. These findings reveal the attainment of giant negative and positive values of coefficient of thermal expansion, accompanied by isotropic expansion and shrinkage under thermal actuation within a fairly rapid timeframe, below 6 s. The strategy here presented is versatile as it relies on a pair of off‐the‐shelf 3D printable materials, can be up‐ and down‐scaled, and can also be realized through other physical stimuli, e.g., light and moisture, paving the way for use in multifunctional applications, including stimulus‐triggered morphing devices, autonomous sensors and actuators, and reconfigurable soft robots.
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.
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) | 0,001 | 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 découle