Atténuation sonore par métamatériaux acoustiques appliqués aux hottes de cuisines
Bibliographic record
Abstract
Dans une société où la grande majorité des personnes passe leur temps à l’intérieur de bâtiments ou véhicules, le besoin de filtrer l’air est nécessaire pour assurer un certain niveau de confort. À ce confort s’associe le problème du bruit engendré par ces appareils de filtration d’air. Ce projet, en collaboration avec l’entreprise Venmar et le Centre de Recherche acoustique-signal-humain de l’Université de Sherbrooke (CRASH-UdeS), a pour objectif de répondre à ce problème acoustique, mais appliqué à un système plus restreint que les murs de bâtiment, celui des hottes de cuisine. En revanche, l’atténuation acoustique dans des milieux restreints reste une problématique majeure dans le domaine. Surtout pour les basses fréquences, où les dimensions des solutions acoustiques doivent être inférieures aux longueurs d’ondes que l’on souhaite atténuer. Un matériau possédant une géométrie flexible pouvant être d’épaisseur faible et poreuse est ainsi nécessaire. C’est le cas des métamatériaux acoustiques, et plus précisément des cristaux soniques, possédant des propriétés géométriques uniques sans pour autant compromettre leurs performances d’atténuation. Une hotte plus silencieuse équipé de ces cristaux soniques devient alors l’intérêt premier du projet. Pour ce faire, il faudra rechercher et simuler les propriétés acoustiques de divers modèles de métamatériaux sous le logiciel COMSOL et dresser un système des solutions retenues en utilisant la méthode des matrices de transferts. Des analyses expérimentales par tube d’impédance seront également requises pour confirmation. Le présent document permet de situer le projet dans son contexte. Après avoir établie la question de recherche et les objectifs rencontrés, un état de l’art couvrant les sujets ayant permis l’aboutissement de ce projet est proposé. Un article publié dans la journal JASA est ensuite rédiger après l’avoir situé dans le contexte du sujet grâce au reste du développement. Ce document se termine en présentant une conclusion générale ainsi que les perspectives pour une continuation potentielle du sujet par d’autres étudiants.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".