MétaCan
Menu
Retour à la cohorte
Enregistrement W4317794978 · doi:10.1109/tmag.2023.3238767

A Numerical Twin Model for the Coupled Field Analysis of TEAM Workshop Problem 36

2023· article· en· W4317794978 sur OpenAlexaff
Paolo Di Barba, Maria Evelina Mognaschi, Anna Maria Cavazzini, M. Ciofani, Fabrizio Dughiero, Michele Forzan, Marta Lazzarin, A. Marconi, David A. Lowther, J.K. Sykulski

Notice bibliographique

RevueIEEE Transactions on Magnetics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueWelding Techniques and Residual Stresses
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésElectromagnetic coilFinite element methodComputer scienceInductorInverse problemConvolutional neural networkElectromagnetic fieldLinearityThermal analysisMagnetic fieldPermeability (electromagnetism)Electromagnetic inductionMagnetoAlgorithmMechanical engineeringThermalElectronic engineeringElectrical engineeringArtificial intelligenceMathematical analysisPhysicsVoltageMathematicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

A numerical twin model for the magneto-thermal analysis of an induction heating device is proposed. The non-linearity of magnetic permeability against temperature—which characterizes the workpiece—is captured by the model, while the use of a convolutional neural network (CNN), trained by a number of finite-element (FE) analyses, makes it possible to solve the following inverse problem: given a temperature map in the workpiece section, identify current and relevant frequency in the inductor coil, as well as the time instant at which the map refers to. The testing electromagnetic analysis method (TEAM) problem 36 is considered as the case study.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil0,302

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,024
Tête enseignante GPT0,268
Écart entre enseignants0,244 · 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
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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on MagneticsMême sujetWelding Techniques and Residual StressesTravaux en français237 207