Influence of mesh decomposition methods on the simulation of the flow around a wing using Computational Fluid Dynamics
Notice bibliographique
Résumé
[ES] El aumento en el uso del software de Dinámica de Fluidos Computacional para diferentes aplicaciones aeronáuticas ha llevado a la necesidad de continuar reduciendo el tiempo necesario para ejecutar las simulaciones. La potencia computacional ha comenzado a reducir su tasa de crecimiento en los últimos años, por lo tanto, es necesario estudiar una forma diferente de reducir esos tiempos. \nComo se ha descubierto que el método de descomposición de malla óptimo depende del problema estudiado, utilizando un modelo 3D de un ala con una envergadura de 3m, este estudio utiliza diferentes métodos disponibles en ANSYS Fluent para investigar su influencia en las simulaciones ejecutadas con el software. Su objetivo es estudiar la escalabilidad del problema y mostrar una guía sobre el método óptimo para el problema. \nLos resultados de esta investigación mostraron que los métodos de descomposición de la malla no solo influyen en el tiempo necesario para realizar la simulación sino también de otras maneras, como la velocidad de convergencia. METIS mostró los mejores resultados al trabajar con un bajo número de procesadores y una convergencia más rápida, mientras que los métodos basados en la geometría elegidos específicamente demostraron ser capaces de ofrecer una escalabilidad tan buena como METIS para un mayor número de procesadores.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».