MétaCan
Menu
Retour à la cohorte
Enregistrement W2159308750 · doi:10.1109/27.902224

An adaptive MHD method for global space weather simulations

2000· article· en· W2159308750 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Transactions on Plasma Science · 2000
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueIonosphere and magnetosphere dynamics
Établissements canadiensYork UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMagnetohydrodynamicsDiscretizationDomain decomposition methodsMassively parallelFinite volume methodDiscontinuous Galerkin methodMagnetohydrodynamic driveRobustness (evolution)Computer scienceScalabilityComputational sciencePartial differential equationApplied mathematicsMultigrid methodAdaptive mesh refinementPhysicsParallel computingPlasmaFinite element methodMechanicsMathematical analysisMathematics

Résumé

récupéré en direct d'OpenAlex

A 3D parallel adaptive mesh refinement (AMR) scheme is described for solving the partial-differential equations governing ideal magnetohydrodynamic (MHD) flows. This new algorithm adopts a cell-centered upwind finite-volume discretization procedure and uses limited solution reconstruction, approximate Riemann solvers, and explicit multi-stage time stepping to solve the MHD equations in divergence form, providing a combination of high solution accuracy and computational robustness across a large range in the plasma /spl beta/ (/spl beta/ is the ratio of thermal and magnetic pressures). The data structure naturally lends itself to domain decomposition, thereby enabling efficient and scalable implementations on massively parallel supercomputers. Numerical results for MHD simulations of magnetospheric plasma flows are described to demonstrate the validity and capabilities of the approach for space weather applications.

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 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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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: aucune
Score de désaccord entre enseignants0,828
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,282
Écart entre enseignants0,271 · 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