MétaCan
Menu
Retour à la cohorte
Enregistrement W7119020931 · doi:10.25545/vukfys

A Simple Portable Magnetic Resonance Technique for Characterizing Circular Couette Flow of Non-Newtonian Fluids

2025· dataset· W7119020931 sur OpenAlexaff
William Selby, Phil Garland, Igor V. Mastikhin

Notice bibliographique

RevueUNB Dataverse · 2025
Typedataset
Langue
Domaine
Thématique
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésCouette flowSIGNAL (programming language)Flow (mathematics)Resonance (particle physics)Magnetic fieldRheologyExcitationExcited state

Résumé

récupéré en direct d'OpenAlex

This repository contains all raw data files and processing scripts associated with the paper published in the Journal of Magnetic Resonance entitled “A Simple Portable Magnetic Resonance Technique for Characterizing Circular Couette Flow of Non-Newtonian Fluids.” Abstract: In this work, we expand on past portable magnetic resonance flow methods and propose a novel method for characterizing circular (laminar) Couette flow of non-Newtonian fluids. Symmetry of the flow system combined with a constant magnetic field gradient leads to phase interference, affecting the signal magnitude, and net phase cancellation when averaging across the excited slice, preventing the use of phase-sensitive methods. Therefore, we utilize the dependence of signal magnitude at variable echo times and shear rates to characterize rheological properties. Theoretical equations governing the velocity distributions of fluids that obey a simple power-law model are used to obtain integral expressions for signal magnitude. Integral expressions can be simplified by approximating a thin excited slice or complete excitation of the Couette cell depending on experimental parameters. With simple data acquisition and analysis procedures employed, our measurements of the flow behavior indices of non-Newtonian xanthan gum dispersions are in close agreement with conventional rheological magnetic resonance measurements.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,275
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0030,004
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0000,002
Science ouverte0,0060,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,011
Tête enseignante GPT0,260
Écart entre enseignants0,249 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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'admission1
Résumé présentoui

Explorer davantage

Même revueUNB DataverseTravaux en français237 207