Reconnection studies under different types of turbulence driving
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. We study a model of fast magnetic reconnection in the presence of weak turbulence proposed by Lazarian and Vishniac (1999) using three-dimensional direct numerical simulations. The model has been already successfully tested in Kowal et al. (2009) confirming the dependencies of the reconnection speed Vrec on the turbulence injection power Pinj and the injection scale linj expressed by a constraint Vrec ~ Pinj1/2linj3/4and no observed dependency on Ohmic resistivity. In Kowal et al. (2009), in order to drive turbulence, we injected velocity fluctuations in Fourier space with frequencies concentrated around kinj = 1/linj, as described in Alvelius (1999). In this paper, we extend our previous studies by comparing fast magnetic reconnection under different mechanisms of turbulence injection by introducing a new way of turbulence driving. The new method injects velocity or magnetic eddies with a specified amplitude and scale in random locations directly in real space. We provide exact relations between the eddy parameters and turbulent power and injection scale. We performed simulations with new forcing in order to study turbulent power and injection scale dependencies. The results show no discrepancy between models with two different methods of turbulence driving exposing the same scalings in both cases. This is in agreement with the Lazarian and Vishniac (1999) predictions. In addition, we performed a series of models with varying viscosity ν. Although Lazarian and Vishniac (1999) do not provide any prediction for this dependence, we report a weak relation between the reconnection speed with viscosity, Vrec ~ ν−1/4.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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