MétaCan
Menu
Retour à la cohorte
Enregistrement W3022788586 · doi:10.1088/1361-6382/abbc8b

Axisymmetric hydrodynamics in numerical relativity using a multipatch method

2020· article· en· W3022788586 sur OpenAlexfundno aff

Notice bibliographique

RevueClassical and Quantum Gravity · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiquePulsars and Gravitational Waves Research
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNuclear Safety and Security CommissionWashington Space Grant ConsortiumNational Aeronautics and Space AdministrationU.S. Department of EnergyNational Science Foundation
Mots-clésRotational symmetryNeutron starGridTorusBinary numberMagnetohydrodynamicsCode (set theory)General relativityNumerical relativityRealization (probability)

Résumé

récupéré en direct d'OpenAlex

Abstract We describe a method of implementing the axisymmetric evolution of general-relativistic hydrodynamics and magnetohydrodynamics through modification of a multipatch grid scheme. In order to ease the computational requirements required to evolve the post-merger phase of systems involving binary compact massive objects in numerical relativity, it is often beneficial to take advantage of these system’s tendency to rapidly settle into states that are nearly axisymmetric, allowing for 2D evolution of secular timescales. We implement this scheme in the spectral Einstein code and show the results of application of this method to four test systems including viscosity, magnetic fields, and neutrino radiation transport. Our results show that this method can be used to quickly allow already existing 3D infrastructure that makes use of local coordinate system transformations to be made to run in axisymmetric 2D with the flexible grid creation capabilities of multipatch methods. Our code tests include a simple model of a binary neutron star postmerger remnant, for which we confirm the formation of a massive torus which is a promising source of post-merger ejecta.

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)0,003
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: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,039
Tête enseignante GPT0,365
Écart entre enseignants0,326 · 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClassical and Quantum GravityMême sujetPulsars and Gravitational Waves ResearchTravaux en français237 207