MétaCan
Menu
Retour à la cohorte
Enregistrement W4415205390 · doi:10.1063/5.0291470

Impact of particle number and cell size on energy-conserving PIC applied to RF-driven bounded plasmas

2025· article· en· W4415205390 sur OpenAlexafffund
N. Savard, G. Fubiani, Morgan Dehnel

Notice bibliographique

RevueJournal of Applied Physics · 2025
Typearticle
Langueen
DomaineEngineering
ThématiquePlasma Diagnostics and Applications
Établissements canadiensPacific Insight Electronics (Canada)TRIUMF
Organismes subventionnairesMitacs
Mots-clésResolution (logic)Bounded functionCell sizePlasmaParticle sizeParticle-in-cellImage resolutionYield (engineering)Sensitivity (control systems)

Résumé

récupéré en direct d'OpenAlex

Recent studies have shown that variations in particle-per-cell count and cell size can significantly affect the accuracy of 1D implicit energy- and charge-conserving electrostatic particle-in-cell simulations of capacitively coupled radio frequency discharges, even when the sheath is resolved and the quasi-neutral region is relaxed. This challenges the expected advantages of implicit schemes and may stem from the complexity of active stochastic sheath heating. To test whether passive sheaths can mitigate this issue, we study a similar 1D discharge with perpendicular electron heating, which produces passive sheath dynamics. We find that the same resolution sensitivity persists: coarser spatial resolution requires more particles per cell and still yields reduced accuracy compared to well resolved solutions. Furthermore, we observe that in our implementations, it is difficult to identify simulation parameters (time step, cell size, and particle-per-cell count) where implicit schemes are both more accurate and faster than momentum-conserving explicit codes. On non-uniform grids, we show that energy-conserving explicit and implicit methods yield similar results when the time step is small. Finally, we explore how trends in the resultant discharge characteristics vary with reduced resolution in energy-conserving simulations beyond what is feasible with momentum-conserving explicit schemes and find that while overall trends are generally preserved, the specific values and the magnitude of their changes can differ significantly.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,514
Score d'incertitude au seuil0,540

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,227
Écart entre enseignants0,221 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysicsMême sujetPlasma Diagnostics and ApplicationsTravaux en français237 207