MétaCan
Menu
Retour à la cohorte
Enregistrement W3101376386

New method for detecting singularities in experimental incompressible flows

2017· article· en· W3101376386 sur OpenAlexaff
Denis Kuzzay, Ewe-Wei Saw, Fabio J. W. A. Martins, Davide Faranda, Jean-Marc Foucaut, F. Daviaud, B. Dubrulle

Notice bibliographique

RevueLillOA (Université de Lille (University Of Lille)) · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésGravitational singularityMathematicsReynolds numberVorticityVector fieldSingularityMathematical analysisGeometryNonlinear systemBoundary (topology)VortexFlow (mathematics)Plane (geometry)Particle image velocimetryWind tunnelMechanicsPhysicsTurbulence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We introduce two new singularity detection criteria based on the work of Duchon-Robert (DR) [J. Duchon and R. Robert, Nonlinearity, 13, 249 (2000)], and Eyink [G.L. Eyink, Phys. Rev. E, 74 (2006)] which allow for the local detection of singularities with scaling exponent h⩽1/2h⩽1/2h\leqslant1/2 in experimental flows, using PIV measurements. We show that in order to detect such singularities, one does not need to have access to the whole velocity field inside a volume but can instead look for them from stereoscopic particle image velocimetry (SPIV) data on a plane. We discuss the link with the Beale-Kato-Majda (BKM) [J.T. Beale, T. Kato, A. Majda, Commun. Math. Phys., 94, 61 (1984)] criterion, based on the blowup of vorticity, which applies to singularities of Navier-Stokes equations. We illustrate our discussion using tomographic PIV data obtained inside a high Reynolds number flow generated inside the boundary layer of a wind tunnel. In such a case, BKM and DR criteria are well correlated with each other.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,010
Tête enseignante GPT0,215
Écart entre enseignants0,206 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLillOA (Université de Lille (University Of Lille))Même sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207