PythonMHD: a new simulation code for astrophysical magnetohydrodynamics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PythonMHD is a new software package for astrophysical magnetohydrodynamic (MHD) simulations. Although it is a widely understood programming language in the physical sciences, Python has never previously been used to develop a comprehensive, research-oriented MHD simulation code. All of the existing MHD simulation codes are written in lower-level languages, such as C, C++, and FORTRAN. These programming languages are difficult to interpret and, thereby, exacerbate the learning curves associated with MHD software packages. The existing simulation codes further complicate the user’s experience by requiring separate software for data visualization and analysis. PythonMHD provides built-in tools for visualizing and analyzing simulation data while a simulation is still in progress, allowing the user to continuously monitor the evolution of their simulated system. In order to further reduce the likelihood of wasting the user’s time and computational resources on unproductive simulations, PythonMHD performs automatic error checking to assess whether the user’s simulation parameters and initial conditions are likely to generate numerical instabilities. This thesis describes the algorithms that are implemented in PythonMHD and documents their performance on standard 1D, 2D, and 3D MHD test problems. After using these test problems to demonstrate the accuracy of PythonMHD, this document presents a PythonMHD interstellar medium (ISM) turbulence generator, which is currently being used for novel research on astrophysical plasma lensing. In addition to the research applications of PythonMHD, this document explores the educational applications of PythonMHD by discussing how it has served as a teaching tool in a fourth year computational physics course (PHYS 4250) at the University of Manitoba.
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle