MétaCan
Menu
Retour à la cohorte
Enregistrement W4322733581 · doi:10.1080/10407790.2023.2174625

Entropy-based artificial dissipation as a corrective mechanism for numerical stability in convective heat transfer

2023· article· en· W4322733581 sur OpenAlexafffund
Peter U. Ogban, G.F. Naterer

Notice bibliographique

RevueNumerical Heat Transfer Part B Fundamentals · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensUniversity of Prince Edward IslandMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEntropy productionDissipationDiscretizationEntropy (arrow of time)Computer simulationConservation lawNumerical stabilityMathematicsNumerical analysisMechanicsApplied mathematicsStatistical physicsComputer scienceThermodynamicsPhysicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

This article presents an entropy-based corrective mechanism to improve nonlinear stability of computational algorithms in numerical heat transfer. The approach uses the transport form of the entropy production equation to calculate a parameter called the entropy-based artificial viscosity. A diffusion coefficient in the momentum conservation equations was modified based on the entropy-based artificial viscosity formulation. The corrective mechanism with an entropy-based artificial viscosity aims to utilize the Second Law as a stabilizing influence on erroneous numerical computations and enhance numerical stability and accuracy. Negative values of numerical entropy production due to discretization errors normally lead to physically unrealistic results that violate the numerical form of the Second Law. The algorithm uses these negative values as a predictive indicator to reduce numerical error and ensure closer compliance with the Second Law. The results for natural convection within a cavity indicate that the entropy-based artificial dissipation can significantly reduce the erroneous values of numerical entropy production and predicted velocities and temperatures, thereby improving the numerical accuracy and stability of the formulation.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,552
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
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)0,0010,000

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 Opus0,031
Tête enseignante GPT0,271
Écart entre enseignants0,240 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNumerical Heat Transfer Part B FundamentalsMême sujetHeat Transfer and OptimizationTravaux en français237 207