MétaCan
Menu
Retour à la cohorte
Enregistrement W4295277125 · doi:10.1016/j.physd.2022.133517

On Maximum Enstrophy Dissipation in 2D Navier-Stokes Flows in the Limit of Vanishing Viscosity

2022· article· en· W4295277125 sur OpenAlexafffund
Pritpal Matharu, Tsuyoshi Yoneda, Bartosz Protas

Notice bibliographique

RevuearXiv (Cornell University) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensMcMaster University
Organismes subventionnairesJapan Society for the Promotion of ScienceEngineering and Physical Sciences Research CouncilNatural Sciences and Engineering Research Council of Canada
Mots-clésEnstrophyDissipationViscosityUpper and lower boundsNavier–Stokes equationsMathematicsTurbulence modelingLimit (mathematics)Range (aeronautics)Mathematical analysisPhysicsStatistical physicsTurbulenceMechanicsThermodynamicsVortexCompressibilityVorticityMaterials science

Résumé

récupéré en direct d'OpenAlex

We consider enstrophy dissipation in two-dimensional (2D) Navier-Stokes flows and focus on how this quantity behaves in thelimit of vanishing viscosity. After recalling a number of a priori estimates providing lower and upper bounds on this quantity, we state an optimization problem aimed at probing the sharpness of these estimates as functions of viscosity. More precisely, solutions of this problem are the initial conditions with fixed palinstrophy and possessing the property that the resulting 2D Navier-Stokes flows locally maximize the enstrophy dissipation over a given time window. This problem is solved numerically with an adjoint-based gradient ascent method and solutions obtained for a broad range of viscosities and lengths of the time window reveal the presence of multiple branches of local maximizers, each associated with a distinct mechanism for the amplification of palinstrophy. The dependence of the maximum enstrophy dissipation on viscosity is shown to be in quantitative agreement with the estimate due to Ciampa, Crippa & Spirito (2021), demonstrating the sharpness of this bound.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,003
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,021
Tête enseignante GPT0,152
Écart entre enseignants0,131 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207