MétaCan
Menu
Retour à la cohorte
Enregistrement W3033417895 · doi:10.1088/1742-5468/ab7f35

Stochastic thermodynamics: experiment and theory

2020· article· en· W3033417895 sur OpenAlexaff
John Bechhoefer, S. Ciliberto, Simone Pigolotti, Édgar Roldán

Notice bibliographique

RevueJournal of Statistical Mechanics Theory and Experiment · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Thermodynamics and Statistical Mechanics
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésThermodynamicsStatistical physicsMathematical economicsPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Stochastic thermodynamics describes the non-equilibrium behavior of mesoscopic physical systems and has emerged as a well-defined subfield of statistical physics during the last few decades. Nowadays, there exists a vibrant community of statistical physicists working in stochastic thermodynamics. While much of the initial progress in this field was theoretical or focused on thought experiments such as the celebrated Maxwell demon, impressive technological advances in recent years have enabled tests of many of the fundamental principles.The workshop Stochastic Thermodynamics: Experiment and Theory, held at the Max-Planck Institute for Complex Systems in Dresden, 10–14 September 2018, had as a primary goal to bring together theorists and experimentalists to discuss the state of the art stochastic thermodynamics and the main future challenges. The workshop was characterized by a vibrant atmosphere, with participants from all over the world sharing their views on the latest results and the outstanding open questions in this field. Many of these discussions have resulted in novel collaborations and significant steps forward.This special edition of Journal of Statistical Mechanics: Theory and Experiment collects the outcome of these discussions.

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)0,007
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,012
Communication savante0,0050,010
Science ouverte0,0030,004
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,009
Tête enseignante GPT0,265
Écart entre enseignants0,256 · 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'étudeExpérimental (laboratoire)
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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Statistical Mechanics Theory and ExperimentMême sujetAdvanced Thermodynamics and Statistical MechanicsTravaux en français237 207