MétaCan
Menu
Retour à la cohorte
Enregistrement W4286560858 · doi:10.1103/physreve.106.015108

Diffusion tensor imaging of anisotropic inhomogeneous turbulent flow

2022· article· en· W4286560858 sur OpenAlexafffund
Amy-Rae P. Gauthier, Noah Stocek, Benedict Newling

Notice bibliographique

RevuePhysical review. E · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTurbulencePhysicsAnisotropyTensor (intrinsic definition)Diffusion MRIFlow (mathematics)Turbulent diffusionDiffusionClassical mechanicsMechanicsStatistical physicsJet (fluid)Anisotropic diffusionTurbulence modelingOpticsGeometryMathematicsMagnetic resonance imagingQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Inhomogeneous anisotropic turbulent flow is difficult to measure, and yet it commonly occurs in nature and in many engineering applications. This work aims to introduce a technique based on magnetic resonance imaging which can spatially map the degree of turbulence as well as the degree of anisotropy. Our interpretation relies on the eddy diffusion model of turbulence, and combines this with the technique of diffusion tensor imaging. The result is an eddy diffusion tensor, which is represented by a symmetric three-by-three matrix. This tensor contains a wealth of information about the magnitude and directions of the turbulent fluctuations; however, the correlation time must be considered before interpreting this information. In the constricted pipe flow used in this study, the turbulence is greatest in magnitude in the space surrounding the core of the turbulent jet, and the turbulence is highly anisotropic.

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 enseignants0,411
Score d'incertitude au seuil0,626

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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,230
Écart entre enseignants0,224 · 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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical review. EMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207