MétaCan
Menu
Retour à la cohorte
Enregistrement W2982474733 · doi:10.1088/1361-6587/ab51d6

The roles of power loss and momentum-pressure loss in causing particle-detachment in tokamak divertors: II. 2 Point Model analysis that includes recycle power-loss explicitly

2019· article· en· W2982474733 sur OpenAlexaff
P.C. Stangeby

Notice bibliographique

RevuePlasma Physics and Controlled Fusion · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTokamakPower lossMomentum (technical analysis)Particle (ecology)Power (physics)Point (geometry)PhysicsMechanicsComputational physicsPlasmaNuclear physicsThermodynamicsGeologyMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

Abstract In the Part I companion paper, using a simple heuristic model it was demonstrated that, generically, volumetric loss of both pressure-momentum and power are required for particle detachment to occur. The volumetric power-loss fraction, f pwr − loss , was treated as a freely specifiable quantity; however, part of f pwr − loss is due to the hydrogenic recycle process at the target and in the present paper an extended 2 Point Model—the 2 PM with Recycle —is used that takes this into account explicitly. It is again demonstrated, but now using more physically realistic modeling of both pressure-momentum and power loss, that it is the combination of these two volumetric losses that is the cause of particle-detachment. For practical use, a convenient spreadsheet version is provided for the 2 PM with Recycle . It allows the user to specify the magnitudes and time-variation during a discharge of the 3 primary drivers of plasma conditions in the divertor: q ∣ ∣ u t , f radiation impurity t , and n u t or p totu t , where t (s) is the time in the discharge; it outputs values of plasma quantities at the target, T et t , Γ ∣ ∣ t t

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,008
Tête enseignante GPT0,236
Écart entre enseignants0,229 · 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

Citations18
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlasma Physics and Controlled FusionMême sujetMagnetic confinement fusion researchTravaux en français237 207