MétaCan
Menu
Retour à la cohorte
Enregistrement W4404059439 · doi:10.1016/j.cpc.2024.109423

A high-performance ray tracing particle tracking model for the simulation of microplastics in inland and coastal aquatic environments

2024· article· en· W4404059439 sur OpenAlexafffundabout
Mohammad A. Ghazizadeh, Abolghasem Pilechi, Richard Burcher, S. Drouin, Philippe Lamontagne

Notice bibliographique

RevueComputer Physics Communications · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicroplastics and Plastic Pollution
Établissements canadiensFisheries and Oceans CanadaNational Research Council Canada
Organismes subventionnairesNational Research Council CanadaGovernment of Canada
Mots-clésMicroplasticsTracking (education)Environmental scienceTracingRay tracing (physics)Particle (ecology)Aquatic environmentComputer scienceOceanographyGeologyEcologyPhysicsBiologyOptics

Résumé

récupéré en direct d'OpenAlex

In this study, we present a high-performance Particle Tracking Model (PTM) designed for simulating any type of particles, with a focus on microplastics. The PTM is efficient compared to existing models, parallelized, and utilizes a ray tracing algorithm incorporating both ray reflection and ray refraction in order to traverse particles as well as find the location of each particle over three-dimensional unstructured grids. Various numerical corrections are implemented in the model to address computational round-off errors and discontinuities in the water surface level of the input hydrodynamic models. To increase the accuracy of the model, partially reflective boundary conditions are imposed as well as the capability to simulate microplastics beaching and washout in very shallow areas or dry computational cells. Several tests are conducted to study the performance, scalability, and accuracy of the model. The proposed model is tested with over 3.88 billion double-precision particles on three-dimensional computational grids with up to approximately one million cells. The tests show that the ray tracing approach is efficient, achieves over 17× faster runtime, and offers greater accuracy compared to using an auxiliary grid for particle location finding. For larger timesteps, the ray tracing PTM with refraction shows improved accuracy compared to the ray tracing PTM without refraction. The model's capabilities are tested in a real-world case study over the Saguenay Fjord, Quebec, Canada. The model is utilized to reproduce the paths of five surface drifters. A second numerical test is conducted in the Fjord and high particle concentration areas are identified.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,131

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,030
Tête enseignante GPT0,248
Écart entre enseignants0,217 · 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
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

Citations6
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueComputer Physics CommunicationsMême sujetMicroplastics and Plastic PollutionTravaux en français237 207