Layer formation in double-diffusive convection diagnosed in sorted buoyancy coordinates
Notice bibliographique
Résumé
Double-diffusive convection can arise when the fluid density is set by multiple species which diffuse at different rates. Different flow regimes are possible depending on the distribution of the diffusing species, including salt fingering and diffusive convection. Flows arising from diffusive convection commonly exhibit step-like density profiles with sharp density interfaces separated by well-mixed layers. The formation of density layers is also seen in stratified turbulence, where a framework based on sorted density coordinates (Winters & D’Asaro 1996 J. Fluid Mech.317, 179–193) has been used to diagnose layer formation (Zhou et al. 2017 J. Fluid Mech.823, 198–229; Taylor & Zhou 2017 J. Fluid Mech.823, R5). In this framework, the evolution of the sorted density profile can be expressed solely in terms of the eddy diffusivity, $\kappa _e$ . Here, we use the same framework to diagnose layer formation in two-dimensional simulations of double-diffusive convection. We show that $\kappa _e$ is negative everywhere, with the antidiffusive effect strongest in ‘well-mixed’ layers where a positive diffusion coefficient may be expected. By considering a decomposition of the budget of the square of the Brunt-Väisälä frequency $\partial N^2_*/\partial t$ , we demonstrate that the density layers are maintained by fundamentally different processes than in single-component stratified turbulence. In more complicated flows where stratified turbulence and double-diffusive convection can coexist, this framework could provide a method to distinguish between the mechanisms responsible for generating density layers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».