MétaCan
Menu
Retour à la cohorte
Enregistrement W2964402574 · doi:10.1002/mmce.21920

Space‐time analysis of energy localization: A Poynting flow perspective with applications to pattern reconfigurable dipoles

2019· article· en· W2964402574 sur OpenAlexaff
Debdeep Sarkar, Said Mikki, Yahia M. M. Antar

Notice bibliographique

RevueInternational Journal of RF and Microwave Computer-Aided Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAntenna Design and Analysis
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésPoynting vectorPoynting's theoremPhysicsElectromagnetic fieldAntenna (radio)Context (archaeology)Energy currentEnergy flowEnergy fluxNear and far fieldEnergy (signal processing)Electromagnetic radiationComputational physicsComputer scienceOpticsTelecommunicationsMagnetic fieldQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

In this paper, we explore the dynamics of electromagnetic energy, especially in the near-field region of radiating antennas, from a fundamental perspective (ie, no limitations on antenna shape and nature of excitation signal) and identify some key future research directions. First, we provide a comprehensive critique of the frequency-domain reactive energy and circuit-theoretic Q-factor based approach, which is predominantly adopted in literature. In this way, we emphasize on the importance of adopting a general time-domain approach to characterize the near-field electromagnetic energy of arbitrary antennas. Next, we revisit the inherent ambiguities associated with the Poynting power-flux term in the context of electromagnetic energy, and point out the nonuniqueness of the reactive energy, conventionally obtained by subtracting the far-field radiation density from the total electromagnetic energy density around antennas. Furthermore, we discuss the concept of Poynting localized energy and its potential integration with FDTD techniques, and investigate its space-time behavior for a Yagi-Uda principle based pattern reconfigurable dipole system.

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)0,001
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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,004
Tête enseignante GPT0,188
Écart entre enseignants0,185 · 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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of RF and Microwave Computer-Aided EngineeringMême sujetAntenna Design and AnalysisTravaux en français237 207