MétaCan
Menu
Retour à la cohorte
Enregistrement W4221061596 · doi:10.1145/3526213

Physics-Based Combustion Simulation

2022· article· en· W4221061596 sur OpenAlexaff
Michael B. Nielsen, Morten Bojsen-Hansen, Konstantinos Stamatelos, Robert Bridson

Notice bibliographique

RevueACM Transactions on Graphics · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueCombustion and flame dynamics
Établissements canadiensAutodesk (Canada)
Organismes subventionnairesnon disponible
Mots-clésCombustionLaminar flowDeflagrationSootIgnition systemRadiative transferCondensationAdiabatic processComputer scienceMechanicsStatistical physicsPhysicsThermodynamicsChemistryDetonationExplosive material

Résumé

récupéré en direct d'OpenAlex

We propose a physics-based combustion simulation method for computer graphics that extends the mathematical models of previous efforts to automatically capture more realistic flames as well as temperature and soot distributions. Our method includes mathematical models for the thermodynamic properties of real-world fuels which enables, for example, the prediction of adiabatic flame temperatures. We couple this with a model of heat transfer that includes convection, conduction as well as both radiative cooling and heating. This facilitates among other things ignition at a distance without heating up the intermediate air. We model the combustion as infinitely fast chemistry and couple this with the thin flame model, spatially varying laminar burning velocities based on local species and empirical measurements, physically validated soot formation and oxidation as well as water vapor production and condensation. We implement this on adaptive octree-like grids with collocated state variables, a new SBDF2-derived semi-Lagrangian time integrator for velocity, and a multigrid scheme used for multiple solver components. In combination, these models enable us to simulate deflagration phenomena ranging from small scale premixed and diffusion flames to fireballs and subsonic explosions which we demonstrate by several examples. In addition, we validate several of the results based on reference footage and measurements and discuss the relation of prevalent heuristic techniques arising in visual effects production to some of the physics-based models we propose.

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)0,002
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 enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,018
Tête enseignante GPT0,234
Écart entre enseignants0,216 · 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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACM Transactions on GraphicsMême sujetCombustion and flame dynamicsTravaux en français237 207