cmbant/CAMB: 1.0 January 2019
Notice bibliographique
Résumé
This is a major new release, with CAMB now configured mainly as a Python package (wrapping modern Fortran for fast numerics). See the example notebook for examples of usage and now comprehensive documentation. Major new features (in Python and Fortran) include: Integrated CAMB sources, for CMB, CMB lensing, lensing convergence, number counts and 21cm including all linear velocity and GR effects; SplinedSourceWindow and GaussianWindow classes for setting SourceWindows array describing additional sources. New set_initial_power_function and set_initial_power_table functions to set initial power spectra from arbitrary python function or sampled arrays DarkEnergy, InitialPower, NonLinearModel, ReionizationModel and RecombinationModel classes that can be dynamically assigned to CAMBparam object fields. Easily switch Dark Energy model between fluid and PPF, and support for setting custom w(z) evolution Python command line camb script. Functions to load .ini file settings from python scripts. Python changes: set_cosmology now supports more general exact thetastar as well as H0 and cosmomc_theta. read_ini and run_ini functions Reworked python-fortran interface using metaclass and decorators, supporting allocatable arrays and class instances and directly import and call of Fortran class methods Support multiple CAMBdata result instances, and results object can be called safely in any order (removing most global variables) CAMBparam read-only properties for omegam, N_eff, omegab, omegac, omaganu, h T_CMB changes handled consistently set_params supports options for changing dark energy, initial power and non-linear model classes set_params can set CAMBparam members if not already used as an argument (and things like InitPower.ns via an input string) Fields support named enumerations, name-length fields for arrays, fortran-compatible boolean and help docs include help for field values (auto-generated via metaclass) Faster and array versions of various background functions SecondOrderPK non-linear model class available from Python Optional support for CosmoRec and HyRec RecombinationModel classes (need to compile with them linked) Updated BBN model default to Parthenope 2017 as Planck 2018 analysis "setup.py make" command to re-build the Fortran library, which also works on Windows if gfortran is installed. General changes Changed CAMBparam parameters to be physical density parameters ombh2, omch3, omnuh2 (+omk) Modest speed improvement from using higher order series solutions for background neutrino density combined with linear rather than log spline. Uses splined a(t) for perturbation evolution rather than evolving for each perturbation mode; tensor spectrum results now much faster More accurate background calculations with partial parallelism Finer every-L sampling at L=11-15 (small change in EE). Updated c_l interpolation template. min_l and custom source functions now set as parts of CAMBparam Account for radiation when setting dark energy density from matter densities and omk Smoother default reionization history parameters around helium second reionization Use matter temperature evolution from recfast (still harmlessly wrong - as before - from reionization onwards) scalarCovCls.dat and _array outputs for lensing potential now deflection angle Halofit default updated to HMcode to match Planck 2018 analysis Added TAxionEffectiveFluid example specific dark energy class implementation high_accuracy_default option removed (is now the default) Git repository now uses submodule for forutils Underlying Fortran changes: Fortran 2003 Object-oriented code restructuring; Fortran code structure now closer to the python (see class trees). [this is a breaking change] Now requires gfortran 6 or ifort 14 or higher (ifort 18.0.1 or higher recommended) Fix for auto-kmax when using lensing from command line
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,508 | 0,620 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».