Prédiction par transfert inverse d’un champ de conductance thermique de contact dans un mur de réacteur métallurgique
Bibliographic record
Abstract
Cet article porte sur une méthode d’estimation, novatrice et non intrusive, de la conductance thermique de contact dans un mur de réacteur métallurgique. Dans le cas d’un réacteur métallurgique, il est essentiel de déterminer la conductance thermique de contact dans l’assemblage des parois. Cela permet d’identifier et de corriger les défauts de contact avant la mise en fonctionnement du réacteur métallurgique. Cette étude recourt à la méthode inverse du gradient conjugué avec un problème adjoint, pour réaliser cette estimation. La méthode a été validée à l’aide de tests numériques représentant un diagnostic du contact thermique entre une paroi réfractaire et une paroi d’acier du réacteur métallurgique avec différentes conductances thermiques de contact. Dans un second temps, des tests supplémentaires ont été réalisés pour observer l’évolution de l’erreur d’estimation en fonction de deux nombres sans dimension, le rapport de conductivité thermique et le nombre de Biot. Cela a permis de conclure qu’il faut avoir simultanément un rapport de conductivité thermique supérieur à 1 et un nombre de Biot supérieur à 0,005 pour obtenir une estimation précise dans les cas étudiés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".