MétaCan
Menu
Retour à la cohorte
Enregistrement W1644849421 · doi:10.48550/arxiv.physics/0203031

Non-white noise and a multiple-rate Markovian closure theory for turbulence

2002· preprint· en· W1644849421 sur OpenAlexaff
G. W. Hammett, John C. Bowman

Notice bibliographique

RevueArXiv.org · 2002
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiqueStatistical Mechanics and Entropy
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésStatistical physicsDecorrelationMarkov processTurbulenceClosure (psychology)White noisePropagatorPhysicsApplied mathematicsMathematicsMechanicsQuantum mechanicsStatistics

Résumé

récupéré en direct d'OpenAlex

Markovian models of turbulence can be derived from the renormalized statistical closure equations of the direct-interaction approximation (DIA). Various simplifications are often introduced, including an assumption that the two-time correlation function is proportional to the renormalized infinitesimal propagator (Green's function), i.e. the decorrelation rate for fluctuations is equal to the decay rate for perturbations. While this is a rigorous result of the fluctuation--dissipation theorem for thermal equilibrium, it does not necessarily apply to all types of turbulence. Building on previous work on realizable Markovian closures, we explore a way to allow the decorrelation and decay rates to differ (which in some cases affords a more accurate treatment of effects such as non-white noise), while retaining the computational advantages of a Markovian approximation. Some Markovian approximations differ only in the initial transient phase, but the multiple-rate Markovian closure (MRMC) presented here could modify the steady-state spectra as well. Markovian models can be used directly in studying turbulence in a wide range of physical problems (including zonal flows, of recent interest in plasma physics), or they may be a useful starting point for deriving subgrid turbulence models for computer simulations.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,495
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)0,0010,000

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 Opus0,023
Tête enseignante GPT0,250
Écart entre enseignants0,227 · 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'étudeObservationnel
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
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArXiv.orgMême sujetStatistical Mechanics and EntropyTravaux en français237 207