MétaCan
Menu
Retour à la cohorte
Enregistrement W2941301608 · doi:10.1109/tmag.2019.2907665

3-D Numerical Modeling for the Magnetization of Superconductors Using a Local Discontinuous Galerkin Finite Element Method

2019· article· en· W2941301608 sur OpenAlexafffund
Yann-Meing Law, Damien Tageddine, Steven Dufour

Notice bibliographique

RevueIEEE Transactions on Magnetics · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiquePhysics of Superconductivity and Magnetism
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologies
Mots-clésDiscontinuous Galerkin methodFinite element methodGalerkin methodDiscretizationMultiphysicsNonlinear systemPhysicsMathematical analysisMaxwell's equationsNumerical analysisApplied mathematicsMathematicsMechanics

Résumé

récupéré en direct d'OpenAlex

A numerical methodology is proposed to discretize a nonlinear low-frequency approximation to Maxwell's equations using a local discontinuous Galerkin (DG) finite element method, with an upwind-like numerical flux, for modeling superconductors. In this paper, we focus on high-temperature superconductors (HTS) and the electrical resistivity is modeled using a power law. Nodal elements and the Whitney element are used. Numerical studies have been performed to verify the proposed methodology: a problem with a manufactured solution, the nonlinear magnetic front problem, and the magnetization of HTS wires. Based on the final time that can be reached for a given time-step size, the proposed strategy is compared with the H formulation discretized using the Galerkin finite element method with the Whitney element for the magnetic front problem. The proposed local DG strategy allows the use of a larger time-step size over a longer time interval, particularly, when we use the Whitney element. The proposed methodology can also capture sharp gradients of the current density with limited spurious oscillations. The numerical results are in agreement with Bean's model for large values of power-law's exponent. The proposed local DG strategy could be generalized to more complex electrical resistivity models, including multiphysics models.

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: aucune
Score de désaccord entre enseignants0,892
Score d'incertitude au seuil0,860

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)0,0010,000

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 Opus0,028
Tête enseignante GPT0,276
Écart entre enseignants0,248 · 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 Transactions on MagneticsMême sujetPhysics of Superconductivity and MagnetismTravaux en français237 207