How fast does the WallGo? A package for computing wall velocities in first-order phase transitions
Notice bibliographique
Résumé
A bstract WallGo is an open-source software designed to compute the bubble wall velocity in first-order cosmological phase transitions. Additionally, it evaluates the energy budget available for generating gravitational waves. The main part of WallGo, built in Python, determines the wall velocity by solving the scalar-field(s) equation of motion, the Boltzmann equations and energy-momentum conservation for the fluid velocity and temperature. WallGo also includes two auxiliary modules: WallGoMatrix, which computes matrix elements for out-of-equilibrium particles, and WallGoCollision, which performs higher-dimensional integrals for Boltzmann collision terms. Users can implement custom models by defining an effective potential and specifying a list of out-of-equilibrium particles and their interactions. As the first public software to compute the wall velocity including out-of-equilibrium contributions, WallGo improves the precision of the computation compared to common assumptions in earlier computations. It utilises a spectral method for the deviation from equilibrium and collision terms that provides exponential convergence in basis polynomials, and supports multiple out-of-equilibrium particles, allowing for Boltzmann mixing terms. WallGo is tailored for non-runaway wall scenarios where leading-order coupling effects dominate friction. While this work introduces the software and the underlying theory, a more detailed documentation can be found in https://wallgo.readthedocs.io .
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 | 0,001 |
| 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 ».