MétaCan
Menu
Retour à la cohorte
Enregistrement W4413301454 · doi:10.1101/2025.08.11.669704

Effects of ceratotrichia diameter and packing density on chimaera pectoral fin kinematics

2025· preprint· en· W4413301454 sur OpenAlexafffund
Duncan W. G. Kennedy, Kayla Hall, Cassandra M. Donatelli, Kelsey Lucas

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineEngineering
ThématiqueSports Dynamics and Biomechanics
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésKinematicsFish finAnatomyBiologyPhysicsFisheryClassical mechanicsFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Abstract Chimaeras – an ancient group of cartilaginous fishes – swim by flapping their pectoral fins in a distinctive locomotory mode, termed flapping flight, that induces an undulatory wave traveling from the leading edge to the trailing edge of the fin. Recent work on bony fishes has shown that fins with internal structure (fin rays) may behave differently than models made of a single material. Our goal was to understand the potential significance of internal structure for the swimming kinematics of chimaeras. We designed an actuation system based on the kinematic patterns of real chimaeras and examined artificial fins of varying fin ray diameter and packing density to investigate how internal anatomy influences pectoral fin tip amplitude, leading-edge curvature, and the induction of undulatory waves. Both diameter and packing density influenced fin kinematics, but diameter had a much larger effect on fin tip amplitude over the tested ranges. Additionally, established rules for undulatory waves outlined in the flexible foil literature did not hold for our fin models. Our work provides new insights into the anatomical parameters that could influence the evolution of chimaera flapping flight, and pectoral fin locomotion more broadly, and provides direction for possible biomimetic applications.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,225
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,005
Tête enseignante GPT0,182
Écart entre enseignants0,177 · 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.

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 revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetSports Dynamics and BiomechanicsTravaux en français237 207