MétaCan
Menu
Retour à la cohorte
Enregistrement W4413882089 · doi:10.1016/j.rineng.2025.107041

Multi-material topology optimization for buckling-resistant designs under thermo-mechanical coupling loads

2025· article· en· W4413882089 sur OpenAlex
Ning Gan, Xinchao Wang, Bo Sun

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueResults in Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueTopology Optimization in Engineering
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesScience and Technology Bureau, Changsha
Mots-clésTopology optimizationCoupling (piping)BucklingTopology (electrical circuits)Materials scienceStructural engineeringMechanical engineeringComputer scienceComposite materialEngineeringFinite element methodElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Existing topology optimization research predominantly isolates thermal or mechanical effects, with insufficient attention to their coupled interactions. Furthermore, most studies neglect buckling constraints—critical for structural stability under varying loads. Multi-material systems offer distinct advantages, as their phase-specific properties (e.g., differential thermal expansion coefficients) can be strategically leveraged to enhance thermomechanical stress resistance. To address these gaps, this study introduces a constraint-reformulated framework optimizing global compliance for multi-material structures under simultaneous thermomechanical loads and buckling constraints. The methodology develops a comprehensive optimization approach that fully exploits multi-material potential to achieve optimal material distribution and stability in complex loading scenarios. Numerical case studies confirm the algorithm's efficacy in spatially allocating material phases to co-optimize stiffness and buckling performance within thermomechanical environments.

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 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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,785
Score d'incertitude au seuil1,000

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 Opus0,016
Tête enseignante GPT0,253
Écart entre enseignants0,237 · 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