MétaCan
Menu
Retour à la cohorte
Enregistrement W4412928806 · doi:10.1364/boe.568655

Penetration of laser-induced jets into soft elastic substrates: simplified model and experiments

2025· article· en· W4412928806 sur OpenAlexafffund
Siew‐Wan Ohl, Claus‐Dieter Ohl, Seyed Mohammad Taghavi

Notice bibliographique

RevueBiomedical Optics Express · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser Material Processing Techniques
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsDeutsche Forschungsgemeinschaft
Mots-clésPenetration (warfare)OpticsLaserMaterials sciencePhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

We study the penetration dynamics of laser-induced bullet jets into soft elastic substrates, via experiments and a simplified energy-based model that predicts the time-dependent jet penetration depth based on jet kinematics and substrate elasticity. Our model provides solutions in two variants: one using a prescribed jet velocity and another predictive formulation based on stand-off ( i.e. , bubble-to-free surface distance). High-speed experiments in gelatin, as a representative soft elastic material, reveal that small stand-off distances enhance bubble collapse asymmetry and produce coherent jets, while larger stand-offs suppress penetration. Model predictions show reasonable agreement with experimental data: the velocity- and stand-off-based formulations reasonably capture penetration trends. A range of experiments with bullet and re-entrant jets confirm the model’s applicability across diverse jet–gelatin interactions. The model’s minimal form and predictive accuracy offer a simplified foundation for optimizing cavitation-based technologies in biomedical applications, including needle-free injections, soft robotic actuation, and bioprinting.

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 enseignants0,290
Score d'incertitude au seuil0,567

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 Opus0,019
Tête enseignante GPT0,277
Écart entre enseignants0,258 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomedical Optics ExpressMême sujetLaser Material Processing TechniquesTravaux en français237 207