MétaCan
Menu
← Retour à la cohorte
Enregistrement W2516519843 · doi:10.1109/plasma.2016.7534098

Electromagnetic electron temperature gradient mode and anomalous electron energy transport

2016· article· en· W2516519843 sur OpenAlexaff
J. J. Zielinski, A. I. Smolyakov, M. Umansky

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésCollisionalityPhysicsTokamakElectronPlasmaMagnetic fieldGyrokineticsElectron temperatureInstabilityToroidComputational physicsAtomic physicsMechanicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Summary form only given. The nature of electron energy transport in tokamak plasmas remains elusive. Magnetic stochasticity due to overlapping magnetic islands has been considered as a possible mechanism, however the reasons for underlying linear instability are not fully understood. Magnetic islands can be formed by small scale microtearing modes, which are destabilized by temperature gradients in the presence of collisions, however this mechanism is not likely to be operative in modern tokamaks, which have low collisionality. The toroidal electron temperature gradient mode offers another candidate description. This mode is mostly electrostatic and is stabilized by electromagnetic effects. Here, we consider a strongly electromagnetic mode closely related to the short wavelength Alfven mode. This mode is stable in plasmas with a uniform magnetic field, however the combination of the electron temperature gradient and the gradient of the magnetic field renders the mode unstable. We first develop a local stability theory for these modes based on fluid equations, and then utilize the BOUT++ framework to numerically solve the nonlinear fluid equations and describe the mode saturation, along with ensuing electron energy transport.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0150,001

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 Opus0,003
Tête enseignante GPT0,213
Écart entre enseignants0,210 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMagnetic confinement fusion research→Travaux en français237 207→