MétaCan
Menu
Retour à la cohorte
Enregistrement W3110828564 · doi:10.1002/eng2.12334

Computing viscous flow along a 2D open channel using the immersed interface method

2020· article· en· W3110828564 sur OpenAlexaff
Sarah Patterson, Anita T. Layton

Notice bibliographique

RevueEngineering Reports · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueLattice Boltzmann Simulation Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institutes of Health
Mots-clésImmersed boundary methodStokes flowClassification of discontinuitiesViscous liquidMechanicsCompressibilityOpen-channel flowBoundary value problemFlow (mathematics)Domain (mathematical analysis)Boundary (topology)Interface (matter)Channel (broadcasting)PhysicsMathematical analysisComputer scienceMathematicsBubble

Résumé

récupéré en direct d'OpenAlex

Abstract We present a numerical method for simulating 2D flow through a channel with deformable walls. The fluid is assumed to be incompressible and viscous. We consider the highly viscous regime, where fluid dynamics are described by the Stokes equations, and the less viscous regime described by the Navier–Stokes equations. The model is formulated as an immersed boundary problem, with the channel defined by compliant walls that are immersed in a larger computational fluid domain. The channel traverses through the computational domain, and the walls do not form a closed region. When the walls deviate from their equilibrium position, they exert singular forces on the underlying fluid. We compute the numerical solution to the model equations using the immersed interface method, which preserves sharp jumps in the solution and its derivatives. The immersed interface method typically requires a closed immersed interface, a condition that is not met by the present configuration. Thus, a contribution of the present work is the extension of the immersed interface method to immersed boundary problems with open interfaces. Numerical results indicate that this new method converges with second‐order accuracy in both space and time, and can sharply capture discontinuities in the fluid solution.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
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)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,040
Tête enseignante GPT0,305
Écart entre enseignants0,265 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineering ReportsMême sujetLattice Boltzmann Simulation StudiesTravaux en français237 207