MétaCan
Menu
Retour à la cohorte
Enregistrement W2500015194 · doi:10.1017/cbo9781316036570.010

Radiative and convective energy transport

2005· book-chapter· en· W2500015194 sur OpenAlexaff
David F. Gray

Notice bibliographique

RevueCambridge University Press eBooks · 2005
Typebook-chapter
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Thermodynamics and Statistical Mechanics
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésEnergy transportConvectionRadiative transferRadiant energyEnvironmental scienceAtmospheric sciencesMechanicsPhysicsEngineering physicsRadiationOptics

Résumé

récupéré en direct d'OpenAlex

The dominant mechanism of energy transport through the surface layers of a typical star is radiation, i.e., photons. Transport by convection is often important below the surface, but rarely carries a significant fraction of the flux in the photosphere. Conduction comes into play in extreme cases such as white dwarfs. So it is radiative transfer that is our main focus here. It is in the domain of radiative transfer where the physical parameters of the material comprising the star are coupled to the spectrum we see and measure. We start by setting up the differential equation describing the flow of radiation through an infinitesimal volume. The integration of the equation can then be accomplished for the geometry of the situation. Unfortunately the step from a differential to an integral equation is not a physical solution to the problem because the integrand still depends on the atomic excitation of the material, which itself depends on the temperature of the material, and the radiation field in the material. Both the thermal (collisional) and the non-thermal (radiative) excitation vary with depth in the photosphere. In most applications of the theory to real stars, a numerical model of the star's photosphere is formed from which the integrand and then the spectrum of the star can be calculated. This chapter, along with Chapters 8 and 9, develops the tools for this modeling.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil1,000

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 Opus0,008
Tête enseignante GPT0,182
Écart entre enseignants0,174 · 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.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetAdvanced Thermodynamics and Statistical MechanicsTravaux en français237 207