MétaCan
Menu
Retour à la cohorte
Enregistrement W2111835145 · doi:10.1002/ctpp.201210045

PIC Simulation Study of Heat Transport Kinetic Factors in Scrape‐Off Layer Plasmas

2012· article· en· W2111835145 sur OpenAlexaff
Aaron Froese, T. Takizuka, M. Yagi

Notice bibliographique

RevueContributions to Plasma Physics · 2012
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensGeneral Fusion (Canada)
Organismes subventionnairesnon disponible
Mots-clésKinetic energyElectronDivertorHeat fluxPopulationElectron temperatureTokamakPhysicsPlasmaDistribution functionComputational physicsAtomic physicsMaterials scienceMechanicsThermodynamicsHeat transferClassical mechanicsNuclear physics

Résumé

récupéré en direct d'OpenAlex

Abstract An accurate calculation of heat load on the divertor plates in a tokamak must take into account kinetic effects, present when the electron velocity distribution function (EVDF) in the plasma column departs from a thermal distribution. In this work PARASOL‐1D, a particle‐in‐cell code with a Monte‐Carlo binary collision model, is used to find and explain the electron heat flux‐limiting factor αe and the heat transmission coefficient (HTC) γe in the complex SOL. We develop and test two simple models for these kinetic factors that take as input the temperature of the SOL and the temperature of the electrons striking the divertor plates. Both models assume a piecewise EVDF, with a symmetric bulk electron population and a high‐energy tail of electrons moving only in the direction of the nearest diverter plate. The model EVDF are fit to the simulation‐derived EVDF by allowing the variables for the densities and temperatures in the bulk and tail to vary independently. The block model, which assumes a bulk population of infinite parallel temperature in the bulk, is found to reproduce the kinetic factors for a wide range of conditions in the complex SOL much better than both the classical and Gaussian models (© 2012 WILEY‐VCH Verlag GmbH & Co. KGaA, Weinheim)

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,025
Tête enseignante GPT0,313
Écart entre enseignants0,288 · 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

Citations6
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContributions to Plasma PhysicsMême sujetMagnetic confinement fusion researchTravaux en français237 207