MétaCan
Menu
Retour à la cohorte
Enregistrement W2123769045 · doi:10.1109/intmag.2006.375919

A Subregion Expansion Method for Computational Electromagnetics

2006· article· en· W2123769045 sur OpenAlexaff
D. Chen, K.R. Shao, Youguang Guo, J.D. Lavers

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectromagnetic Simulation and Numerical Methods
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFinite element methodPiecewiseElectromagneticsComputationComputational electromagneticsField (mathematics)Computer scienceComputational scienceElectromagnetic fieldAlgorithmFlexibility (engineering)Mathematical optimizationApplied mathematicsMathematicsElectronic engineeringMathematical analysisEngineeringPhysicsStructural engineering

Résumé

récupéré en direct d'OpenAlex

This paper presents a new semi-analytical method for computational electromagnetics. Today, the usual electromagnetic field simulation codes are mainly based on the finite element method (FEM). FEM uses the piecewise low order polynomials to approximate different kind of solution functions. The particular nature of a given problem is not considered, which greatly enhances the method's applicability but depresses the efficiency. In this method, the entire field domain has to be covered with fine mesh, especially in those parts where the field changes sharply, thus requiring a large number of elements (and also unknowns) to calculate the field with sufficient precision. This often makes the codes useless due to the computation cost (CPU time and memory) before some very complex problems. To overcome these limitations, quick and highly efficient techniques are pursued all along. The semi-analytical method is such a direction. The main idea of this scheme is to combine the advantages of both the high efficiency of analytical techniques and the flexibility of numerical methods.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,229
Score d'incertitude au seuil0,373

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 Opus0,009
Tête enseignante GPT0,273
Écart entre enseignants0,265 · 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'étudeSimulation ou modélisation
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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectromagnetic Simulation and Numerical MethodsTravaux en français237 207