MétaCan
Menu
Retour à la cohorte
Enregistrement W3204057087 · doi:10.1093/mnras/stab2813

On the Impact of the Numerical Method on Magnetic Reconnection and Particle Acceleration -- I. The MHD case

2021· article· en· W3204057087 sur OpenAlexfundno aff
Eleonora Puzzoni, A. Mignone, G. Bodo

Notice bibliographique

RevuearXiv (Cornell University) · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSolar and Space Plasma Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesInstitut sur la Nutrition et les Aliments Fonctionnels
Mots-clésPhysicsMagnetohydrodynamicsMagnetic reconnectionCurrent sheetClassical mechanicsParticle accelerationTearingMechanicsAccelerationMagnetic fieldQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

We present 2D MHD numerical simulations of tearing-unstable current sheets coupled to a population of non-thermal test-particles, in order to address the problem of numerical convergence with respect to grid resolution, numerical method and physical resistivity. Numerical simulations are performed with the PLUTO code for astrophysical fluid dynamics through different combinations of Riemann solvers, reconstruction methods, grid resolutions at various Lundquist numbers. The constrained transport method is employed to control the divergence-free condition of magnetic field. Our results indicate that the reconnection rate of the background tearing-unstable plasma converges only for finite values of the Lundquist number and for sufficiently large grid resolutions. In general, it is found that (for a 2nd-order scheme) the minimum threshold for numerical convergence during the linear phases requires the number of computational zones covering the initial current sheet width to scale roughly as $\sim \sqrt{\bar{S}}$, where $\bar{S}$ is the Lundquist number defined on the current sheet width. On the other hand, the process of particle acceleration is found to be nearly independent of the underlying numerical details inasmuch as the system becomes tearing-unstable and enters in its nonlinear stages. In the limit of large $\bar{S}$, the ensuing power-law index quickly converge to $p \approx 1.7$, consistently with the fast reconnection regime.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,692
Score d'incertitude au seuil0,187

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,043
Tête enseignante GPT0,210
Écart entre enseignants0,167 · 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 tête enseignante, 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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetSolar and Space Plasma DynamicsTravaux en français237 207