MétaCan
Menu
Retour à la cohorte
Enregistrement W2795033534 · doi:10.1103/physrevc.97.035807

Distribution of nuclei in equilibrium stellar matter from the free-energy density in a Wigner-Seitz cell

2018· article· en· W2795033534 sur OpenAlexaboutno aff
Guilherme Grams, S. Giraud, A. F. Fantina, F. Gulminelli

Notice bibliographique

RevuePhysical review. C · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueNuclear physics research studies
Établissements canadiensnon disponible
Organismes subventionnairesCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorEuropean Cooperation in Science and Technology
Mots-clésPhysicsNuclear matterStatistical physicsCluster expansionEquation of stateCluster (spacecraft)Quantum mechanicsNuclear physics

Résumé

récupéré en direct d'OpenAlex

The aim of the present study is to calculate the nuclear distribution associated at finite temperature to any given equation of state of stellar matter based on the Wigner-Seitz approximation, for direct applications in core-collapse simulations. The Gibbs free energy of the different configurations is explicitly calculated, with special care devoted to the calculation of rearrangement terms, ensuring thermodynamic consistency. The formalism is illustrated with two different applications. First, we work out the nuclear statistical equilibrium cluster distribution for the Lattimer and Swesty equation of state, widely employed in supernova simulations. Secondly, we explore the effect of including shell structure, and consider realistic nuclear mass tables from the Brussels-Montreal Hartree-Fock-Bogoliubov model (specifically, HFB-24). We show that the whole collapse trajectory is dominated by magic nuclei, with extremely spread and even bimodal distributions of the cluster probability around magic numbers, demonstrating the importance of cluster distributions with realistic mass models in core-collapse simulations. Simple analytical expressions are given, allowing further applications of the method to any relativistic or nonrelativistic subsaturation equation of state.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,249
Score d'incertitude au seuil0,487

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 Opus0,013
Tête enseignante GPT0,294
Écart entre enseignants0,280 · 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'étudeObservationnel
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

Citations19
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical review. CMême sujetNuclear physics research studiesTravaux en français237 207