MétaCan
Menu
Retour à la cohorte
Enregistrement W1484813406 · doi:10.1063/1.4928387

Ion thermal and dispersion effects in Farley-Buneman instabilities

2015· article· en· W1484813406 sur OpenAlexafffund
S. K. Litt, A. I. Smolyakov, Ehab Hassan, W. Horton

Notice bibliographique

RevuePhysics of Plasmas · 2015
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueIonosphere and magnetosphere dynamics
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCollisionalityPhysicsIonAtomic physicsInstabilityDispersion relationPlasmaEquipartition theoremElectronWavelengthMagnetohydrodynamicsHeat fluxKinetic energyWavenumberClassical mechanicsMechanicsCondensed matter physicsHeat transferMagnetic fieldOpticsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Farley-Buneman modes are an example of the collisional instability, which is thought to be the dominant mechanism for the irregularities in low ionosphere region. Despite high collisionality due to electron-neutral and ion-neutral collisions, the kinetic effects associated with finite temperature are important for determination of the mode frequencies and growth rate. This is especially important for ion component that is largely unmagnetized due to low ion cyclotron frequency. The ion thermal effects are strongly pronounced for shorter wavelengths and are crucial for the growth rate cut-off at high wavenumbers. We develop an extended fluid model for ion dynamics to incorporate the effects of ion thermal motion. The model is based on the extended MHD model that includes the evolution equations for higher order moments such as ion viscosity and ion heat flux. We also develop the generalized Chapman-Enskog closure model that provides exact linear closures based on the linearized kinetic equation. The results of these models are compared and tested against the linear kinetic model. The dispersion of Farley-Buneman modes and growth rate behavior are investigated in the short wavelength region.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,325
Score d'incertitude au seuil0,445

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 Opus0,008
Tête enseignante GPT0,210
Écart entre enseignants0,202 · 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'étudeThéorique ou conceptuel
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

Citations6
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics of PlasmasMême sujetIonosphere and magnetosphere dynamicsTravaux en français237 207