Tetrascatt Model: Born Approximation for the Estimation of Acoustic Dispersion of Fluid-Like Objects of Arbitrary Geometries
Notice bibliographique
Résumé
Abstract Modeling the acoustic scattering response due to penetrable objects of arbitrary shapes, such as those of many marine organisms, can be computationally intensive, often requiring high-performance computing equipment when considering a completely general situation. However, when the physical properties (sound speed and density) of the scatterer are similar to those of the surrounding medium, the Born approximation provides a computationally efficient way to calculate it. For simple geometrical shapes like spheres and spheroids, the acoustic scattering in the far field evaluated through the Born approximation recipe results in a formula that has been historically employed to predict the response of weakly scattering organisms, such as zooplankton. Further, the Born approximation has been extended to bodies whose geometry can be described as a collection of noncircular rings centered on a smooth curve. In this work, we have developed a numerical approach to calculate the far-field backscattering by arbitrary 3D objects under the Born approximation. The object's geometry is represented by a volumetric mesh composed of tetrahedrons, and the computation is efficiently performed through analytical 3D integration, yielding a solution expressed in terms of elementary functions. On a current desktop PC the model can compute the scattering from meshes with millions of elements in a matter of minutes. This model is able to compute the scattering from a complex shape 200× faster than other methods like the Boundary Element Method, without compromising the numeric quality of the solution. The method's correctness has been successfully validated against benchmark solutions. Additionally, we present acoustic scattering results for species with complex geometries. To enable other researchers to use and validate the method, a computational package named tetrascatt was developed in the R programming language and published in the CRAN (Comprehensive R Archive Network).
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 | 0,001 | 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 ».