MétaCan
Menu
Retour à la cohorte
Enregistrement W6912662442 · doi:10.5281/zenodo.4671172

CICE-Consortium/CICE: CICE Version 6.2.0

2021· other· en· W6912662442 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2021
Typeother
Langueen
Domaine
Thématique
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésProbabilistic logicForcing (mathematics)Scheme (mathematics)Term (time)Layer (electronics)

Résumé

récupéré en direct d'OpenAlex

CICE6.2.0 is a major update of CICE6.1.4 from December, 2020. It includes Icepack1.2.5. This release includes updates to the default model initial conditions, updates to the default JRA55 forcing, and an update gx1 ocean mixed layer forcing file. It also includes an update to the time manager and a tool to generate JRA55 forcing data offline. A probabilistic grounding scheme was also added to the landfast ice implementation. Several minor bug fixes were also included and the default emissivity value was changed to 0.985. This implementation should generate the same climate as prior versions in coupled systems. However, the emissivity change should be noted in particular. In addition, there were changes to the time manager that could impact how models are coupled. In particular, the prognostic time manager variables are now myear, mmonth, mday, and msec and the timestep counter is diagnostic. These changes are documented in the user guide, https://cice-consortium-cice.readthedocs.io/en/cice6.2.0/user_guide/ug_implementation.html#time-manager-and-initialization. The standalone model results are different from prior versions due to the new initial condition and forcing even though the climate is similar. Major changes: Update the Time Manager #566, #586 Add probabilistic grounding scheme for landfast ice #565 and update landice tests #586 Update the gx1 initial condition file based on the JRA55 spinup to Jan 1, 2005 and update the gx1prod namelist setup #586 Bug fixes: Fix hmix minimum value #586 Fix halo fill for padded blocks, fix some uninitialized data #579 Fix reading of mixed layer ocean model dataset #578 and update gx1 SOM dataset #586 Use cell-centered ice velocity for high frequency wind stress calculation #576 Proper configuration of zsalinity parameterization #549 Remove unused private variable for OpenMP #561 Correct input slices and time interpolation of JRA forcing for multi-year runs #562 Enhancements: Update 1D EVP kernel #561 Improve maxblocks internal computation and add some additional debugging checks as well as a namelist flag #587 Add JRA55 dataset generation tool and add documentation #582 Update Icepack to newer version #580, #590 Change landfast ice parameter value to published value #574 Adjust emissivity to 0.985, set default NBGCLYR=1 #553 Add test for zsalinity parameterization #548 Add automated Github Actions testing on Pull Requests and Pushes to master and releases #555, Update github Actions automated testing script #586 Update color labels in test reporting script #586 Update conda macos port #590 Port to Compy #581 Documentation Add documentation for the JRA55 dataset generation tool #582 Update landfast ice documentation #574 Update readthedocs requirements for bibtex #545 Update copyright year #570 #571

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Logiciel · Signal consensuel: Logiciel
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil0,343

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0050,005
Science ouverte0,0040,004
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,1030,126

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 Opus0,033
Tête enseignante GPT0,258
Écart entre enseignants0,225 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreLogiciel

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

En bref

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Travaux en français237 207