MétaCan
Menu
Retour à la cohorte
Enregistrement W1990963948 · doi:10.5539/mas.v5n5p118

An Improvement for the Locally One-Dimensional Finite-Difference Time-Domain Method

2011· article· en· W1990963948 sur OpenAlexvenueno aff
Jin Xiu-hai, Zhang Pin, Yiwang Chen

Notice bibliographique

RevueModern Applied Science · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueElectromagnetic Simulation and Numerical Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFinite-difference time-domain methodDivergence (linguistics)Zero (linguistics)Electric fieldSignificant differenceMathematical analysisFinite difference methodDomain (mathematical analysis)Magnetic fieldMathematicsComputer scienceApplied mathematicsPhysicsAlgorithmOpticsQuantum mechanicsStatistics

Résumé

récupéré en direct d'OpenAlex

To reduce the memory usage of computing, the locally one-dimensional reduced finite-difference time-domain method is proposed. It is proven that the divergence relationship of electric-field and magnetic-field is non-zero even in charge-free regions, when the electric-field and magnetic-field are calculated with locally one-dimensional finite-difference time-domain (LOD-FDTD) method, and the concrete expression of the divergence relationship is derived. Based on the non-zero divergence relationship, the LOD-FDTD method is combined with the reduced finite-difference time-domain (R-FDTD) method. In the proposed method, the memory requirement of LOD-R-FDTD is reduced by1/6 (3D case) of the memory requirement of LOD-FDTD averagely. The formulation is presented and the accuracy and efficiency of the proposed method is verified by comparing the results with the conventional results.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,855
Score d'incertitude au seuil0,429

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
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 Opus0,031
Tête enseignante GPT0,277
Écart entre enseignants0,246 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetElectromagnetic Simulation and Numerical MethodsTravaux en français237 207