MétaCan
Menu
Retour à la cohorte
Enregistrement W2920637125 · doi:10.1109/access.2019.2902316

Effective Geometry Monte Carlo: A Fast and Reliable Simulation Framework for Molecular Communication

2019· article· en· W2920637125 sur OpenAlexafffund
Fatih Dinç, Matija Medvidović, Leander Thiele

Notice bibliographique

RevueIEEE Access · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMolecular Communication and Nanonetworks
Établissements canadiensPerimeter Institute
Organismes subventionnairesUniversity of WaterlooStudienstiftung des Deutschen VolkesOntario Ministry of Research, Innovation and ScienceGovernment of CanadaInstitut Périmètre de physique théoriqueInnovation, Science and Economic Development Canada
Mots-clésMonte Carlo methodMolecular communicationComputer scienceTransmitterDiffusionAlgorithmRange (aeronautics)Reliability (semiconductor)Point (geometry)Stochastic geometryChannel (broadcasting)Statistical physicsGeometryMathematicsPhysicsStatisticsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Angular information of messenger molecules absorbed by a receiver plays a significant role in the molecular communication literature. In this paper, we address systematic biases and random errors in the angular information stemming from finite step sizes encountered in traditional simulation frameworks. We show that the effective geometry Monte Carlo (EG-MC) simulation algorithm, which modifies the geometry of the receiver, is a fast and reliable simulation method to overcome these systematic biases. We motivate our approach for a 3-D unbounded diffusion channel consisting of an absorbing receiver and a point transmitter. We show that, with minimal computational cost, the angular distribution of the absorbed particles by the receiver can be precisely obtained using EG-MC algorithm. Afterwards, we demonstrate the accuracy of our simulations and compare them to traditional methods. Then, we comment on the range of applicability of our results. Finally, we consider two simple cases with constant flow and show that the EG-MC algorithm gives consistent results even when the drift is dominant over diffusion. We conclude with further remarks on the computational efficiency and reliability of the EG-MC method.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,470
Score d'incertitude au seuil0,524

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 Opus0,010
Tête enseignante GPT0,283
Écart entre enseignants0,273 · 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'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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetMolecular Communication and NanonetworksTravaux en français237 207