On the lattice Boltzmann method and its application to turbulent, multiphase flows of various fluids including cryogens: A review
Notice bibliographique
Résumé
Cryogenic fluids are used in a myriad of different applications not limited to green fuels, medical devices, spacecraft, and cryoelectronics. In this review, we elaborate on these applications and synthesize recent lattice Boltzmann methods (LBMs) including collision operators, boundary conditions, grid-refinement techniques, and multiphase models that have enabled the simulation of turbulence, thermodynamic phase change, and non-isothermal effects in a wide array of fluids, including cryogens. The LBM has reached a mature state over the last three decades and become a strong alternative to the conventional Navier–Stokes equations for simulating complex, rarefied, thermal, multiphase fluid systems. Moreover, the method's scalability boosts the efficiency of large-scale fluid flow computations on parallel clusters, including heterogeneous clusters with graphics card-based accelerators. Despite this maturity, the LBM has only recently experienced limited use in the study of cryogenic fluid systems. Therefore, it is fitting to emphasize the usefulness of the LBM for simulating computationally prohibitive, complex cryogenic flows. We expect that the method will be employed more extensively in the future owing to its simple representation of molecular interaction and consequently thermodynamic changes of state, surface tension effects, non-ideal effects, and boundary treatments, among others.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».