MétaCan
Menu
Retour à la cohorte
Enregistrement W4284712758 · doi:10.1103/physrevlett.129.024501

Transition between Boundary-Limited Scaling and Mixing-Length Scaling of Turbulent Transport in Internally Heated Convection

2022· article· en· W4284712758 sur OpenAlexafffund
Sina Kazemi, Rodolfo Ostilla–Mónico, David Goluskin

Notice bibliographique

RevuePhysical Review Letters · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Houston
Mots-clésScalingTurbulenceMechanicsMixing (physics)ConvectionThermodynamicsExponentHeat transferMaterials scienceThermalInternal heatingHeat fluxBoundary value problemPhysicsGeometryMathematics

Résumé

récupéré en direct d'OpenAlex

Heat transport in turbulent thermal convection increases with thermal forcing, but in almost all studies the rate of this increase is slower than it would be if transport became independent of the molecular diffusivities-the heat transport scaling exponent is smaller than the mixing-length (or "ultimate") value of 1/2. This is due to thermal boundary layers that throttle heat transport in configurations driven either by thermal boundary conditions or by internal heating, giving a scaling exponent close to the boundary-limited (or "classical") value of 1/3. With net-zero internal heating and cooling in different regions, the larger mixing-length exponent can be attained because heat need not cross a boundary. We report numerical simulations in which heating and cooling are unequal. As heating and cooling rates are made closer, the scaling exponent of heat transport varies from its boundary-limited value to its mixing-length value.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,143
Score d'incertitude au seuil0,716

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 Opus0,008
Tête enseignante GPT0,224
Écart entre enseignants0,215 · 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

Citations19
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Review LettersMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207