MétaCan
Menu
Retour à la cohorte
Enregistrement W4313311980 · doi:10.1016/j.mex.2022.101966

Modelling of transport processes: Theory and simulations

2022· article· en· W4313311980 sur OpenAlexaff
Ankita Gupta, Bipasha Pal, Akriti Jindal, Nikhil Bhatia, Arvind Kumar Gupta

Notice bibliographique

RevueMethodsX · 2022
Typearticle
Langueen
DomaineMathematics
ThématiqueStochastic processes and statistical mechanics
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésStatistical physicsMonte Carlo methodComputer scienceField (mathematics)Boundary (topology)Mean field theoryProcess (computing)State (computer science)Cluster (spacecraft)Mathematical optimizationAlgorithmMathematicsPhysicsStatistics

Résumé

récupéré en direct d'OpenAlex

The transport processes, being a non-equilibrium system, have been a point of interest for physicists since many years revealing and explaining several unexpected effects. Such systems are often dealt with an archetypal model, known as totally asymmetric simple exclusion process, with two different types of boundary conditions: open and periodic. Moreover, these models are analyzed in two varieties of dynamics, random sequential and parallel updates, even at the micro level which play an important role in the global dynamics of the system. On contrary to the random sequential rule, the parallel updates introduce correlations in the system. Using theoretical and numerical methods in the framework based on mean-field approaches, the system properties are analyzed in both transient and steady state.•Both the updating rules are realized using Monte Carlo simulations.•In simplest form, mean-field approach ignores all the correlations and the results coincide with the random sequential update.•Correlations are induced in the system due to parallel update, therefore, a cluster mean-field theory is also discussed to handle them.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,140
Tête enseignante GPT0,385
Écart entre enseignants0,245 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMethodsXMême sujetStochastic processes and statistical mechanicsTravaux en français237 207