MétaCan
Menu
Retour à la cohorte
Enregistrement W2025683255 · doi:10.1111/1467-9590.00223

The Existence and Stability of Asymmetric Spike Patterns for the Schnakenberg Model

2002· article· en· W2025683255 sur OpenAlexaff
Michael J. Ward, Juncheng Wei

Notice bibliographique

RevueStudies in Applied Mathematics · 2002
Typearticle
Langueen
DomaineComputer Science
ThématiqueNonlinear Dynamics and Pattern Formation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSpike (software development)Eigenvalues and eigenvectorsDomain (mathematical analysis)Mathematical analysisStability (learning theory)AmplitudeDiffusionMathematicsLimit (mathematics)Reaction–diffusion systemNeumann boundary conditionHomogeneousThermal diffusivityStatistical physicsBoundary (topology)PhysicsThermodynamicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Asymmetric spike patterns are constructed for the two‐component Schnakenburg reaction–diffusion system in the singularly perturbed limit of a small diffusivity of one of the components. For a pattern with k spikes, the construction yields k 1 spikes that have a common small amplitude and k 2 = k − k 1 spikes that have a common large amplitude. A k ‐spike asymmetric equilibrium solution is obtained from an arbitrary ordering of the small and large spikes on the domain. Explicit conditions for the existence and linear stability of these asymmetric spike patterns are determined using a combination of asymptotic techniques and spectral properties associated with a certain nonlocal eigenvalue problem. These asymmetric solutions are found to bifurcate from symmetric spike patterns at certain critical values of the parameters. Two interesting conclusions are that asymmetric patterns can exist for a reaction–diffusion system with spatially homogeneous coefficients under Neumann boundary conditions and that these solutions can be linearly stable on an O (1) time scale.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,102
Tête enseignante GPT0,303
Écart entre enseignants0,201 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations89
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in Applied MathematicsMême sujetNonlinear Dynamics and Pattern FormationTravaux en français237 207