Reconnection in weakly stochastic B-fields in 2D
Notice bibliographique
Résumé
The idea that there could be some way of producing fast magnetic reconnection even in highly conducting fluids is not new (Moffat 1978; Krause & Radler 1980), but early models of reconnection (see Parker 1957; Sweet 1958, e.g.) using realistic astrophysical temperatures and densities gave a very slow reconnection rate, ∼ VAS −1/2, where S ≡ η/(VAL) is the Lundquist number, η is the resistivity, and L is the size of the current sheet. It was Petschek (1964) who for the first time introduced a model for fast reconnection with a rate proportional to (log S) −1. Subsequent numerical simulations and theoretical analyses have shown that the Petschek reconnection rate is only attainable in very restricted circumstances. For instance, a modified version can stably persist in a collisionless plasma (see Drake et al. 2006a, e.g.). This means that the length of the current sheet should not exceed approximately 50 electron mean free paths (Uzdensky 2006; Yamada et al. 2006). This condition cannot be satisfied in many astrophysical environments, e.g. in the interstellar medium (Vishniac & Lazarian 1999). In a collisional plasma the X-point region required for Petschek reconnection will collapse to the Sweet-Parker geometry for large S (Biskamp 1996). The failure of the Petschek model has increased interest in the role of turbulence in reconnection. This interest has been further stimulated by the fact that the turbulence is ubiquitous in astrophysical environments where reconnection occurs, e.g. the ISM, stars, the Sun and accretion disks (Ruzmaikin et al. 1988). The idea that turbulence can affect reconnection has a long history, although usually studied in two-dimensions (2D) (Priest & Forbes 2000). Several researchers have approached this problem
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».