The role of noise in PIC and Vlasov simulations of the Buneman instability
Notice bibliographique
Résumé
The effects of noise in particle-in-cell (PIC) and Vlasov simulations of the Buneman instability in unmagnetized plasmas are studied. It is found that, in the regime of low drift velocity, the linear stage of the instability in PIC simulations differs significantly from the theoretical predictions, whereas in the Vlasov simulations it does not. A series of highly resolved PIC simulations with increasingly large numbers of macroparticles per cell is performed using a number of different PIC codes. All the simulations predict highly similar growth rates that are several times larger than those calculated from the linear theory. As a result, we find that the true convergence of the PIC simulations in the linear regime is elusive to achieve in practice and can easily be misidentified. The discrepancy between the theoretical and the observed growth rates is attributed to the initial noise inherently present in PIC simulations, but not in Vlasov simulations, that causes particle trapping even though the fraction of trapped particles is low. We show analytically that even weak distortions of the electron velocity distribution function (such as flattening due to particle trapping) result in significant modifications of the growth rates. It is also found that the common quiet-start method for PIC simulations leads to more accurate growth rates but only if the maximum growth rate mode is perturbed initially. We demonstrate that the quiet-start method does not completely remedy the noise problem because the simulations generally exhibit inconsistencies with the linear theory.
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) | 0,001 | 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 ».