Notice bibliographique
Résumé
Computation of multiphase flows including boiling flows is one of the most challenging problems in CFD.Discontinuities in fluid properties, in addition to flow variables at the interface, lead to challenges in getting an accurate estimate of the gradients at the fluid-fluid interface with reasonable accuracy.Further, with a diffuse approach like VoF (Volume-of-Fluid) or Level-Set, solution accuracy requires a careful choice of reconstruction scheme to limit interface diffusion."Diffuse" approach here refers to interface capturing schemes vs. Lagrangian type schemes like the markerparticle method.Several interface reconstruction schemes like PLIC (Piecewise Linear Interface Construction), HRIC (High-Resolution Interface Capturing Scheme), VoF with height functions exist within the VoF framework that offer different levels of interface capturing accuracy.A one-cell thick moving interface is implemented to model the interface location and orientation using a VoF framework.Since the accuracy of the interface depends on grid resolution, a dynamic octree grid is employed to keep computational cost reasonable.After the interface is advected, volume fraction data is passed to a geo-reconstruct scheme on unity aspect ratio computational cells, which is consistent with the reconstruction algorithm.This approach is applied to several cases including Rayleigh Taylor instability, vortex in a box test and the Enright deformation test to demonstrate both the accuracy and the efficiency of the implementation.It is demonstrated that thin-filaments can be resolved as the Rayleigh Taylor instability grows with time leading to self-similarity.The accuracy of resolving thin filaments for the vortex in the box test case and Enright deformation test are similar to that of Particle-level set method of Fedkiw's group..
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».