MétaCan
Menu
Retour à la cohorte
Enregistrement W4410415267 · doi:10.1002/fld.5402

Linear Discontinuity Sharpening for Highly Resolved and Robust Magnetohydrodynamics Simulations

2025· article· en· W4410415267 sur OpenAlexaff
Tomohiro Mamashita, Gaku Fukushima, Keiichi Kitamura

Notice bibliographique

RevueInternational Journal for Numerical Methods in Fluids · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésHyperbolaClassification of discontinuitiesMagnetohydrodynamicsTangentFinite volume methodShock waveDiscontinuity (linguistics)Nonlinear systemMathematicsMechanicsMathematical analysisPhysicsApplied mathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This study applies a reconstruction scheme, “hybrid MUSCL–THINC” for finite volume methods developed by Chiu et al., to magnetohydrodynamics (MHD) simulations. The scheme is a hybrid of monotone upstream‐centered schemes for conservation law (MUSCL) and a tangent of hyperbola interface capturing (THINC) scheme. THINC sharply captures discontinuous distributions of physical quantities by using a hyperbolic tangent function. Our investigation reveals that hybrid MUSCL–THINC is more oscillatory in MHD simulations than in gas dynamics simulations, owing to the greater number of physical variables and associated complex waves in MHD. Analytical results demonstrate that artificial compression by THINC is excessive for MHD shock waves, whereas it is effective for linear discontinuities, such as contact discontinuities. Therefore, we propose a modification in which the artificial compression by THINC is weakened in the vicinity of nonlinear discontinuities and applied only to linear regions. The new scheme is tested using one‐ and two‐dimensional MHD problems, and the results demonstrate that the scheme sharply captures linear discontinuities while avoiding numerical oscillations due to excessive artificial compression.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,210
Score d'incertitude au seuil0,757

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,023
Tête enseignante GPT0,376
Écart entre enseignants0,353 · 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 tête enseignante, 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Numerical Methods in FluidsMême sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207