Évolution statistique des caractéristiques électriques des décharges Sparks dans les liquides diélectriques
Bibliographic record
Abstract
Ce mémoire est la conclusion d'une maîtrise en double diplomation internationale entre l'université Toulouse 3 Paul Sabatier en France et l'université de Montréal au Canada. Le but de cette collaboration est la meilleure compréhension des décharges Sparks dans les liquides diélectriques, ainsi que des phénomènes qui y sont liés. La première partie du projet de recherche, effectuée à Toulouse au laboratoire LAPLACE, s'est concentrée sur l’influence du matériau des électrodes sur le comportement de la décharge, en particulier les caractéristiques courant-tension et la dynamique de la bulle de cavitation via imagerie rapide. Cette partie de travail est incluse dans ce mémoire sous forme d’une Annexe, et nous focalisons l’attention du lecteur uniquement sur les travaux réalisés dans la deuxième partie. En effet, en utilisant une source impulsionnelle de tension, nous avons étudié l’évolution statistique des caractéristiques électriques des décharges Sparks dans différents liquides diélectriques et sous différentes conditions expérimentales, qu'elles soient électriques, géométriques, ou bien liées aux matériaux utilisés. Après une préparation minutieuse des conditions d’une expérience donnée, les impulsions de haute tension ont été appliquées et les caractéristiques des décharges ont été enregistrées. Les enregistrements des caractéristiques électriques, dès la première dé- charge jusqu’à un moment où il n’est plus possible d’avoir des décharges, ont été analysés à l’aide d’un algorithme afin de remonter aux propriétés de chaque décharge, soient la probabilité que la décharge ait eu lieu, la tension de claquage, le courant de décharge, la charge injectée, l’énergie injectée, etc. L’évolution temporelle de ces paramètres ont révélé certaines informations extrê- mement utiles pour les considérer dans les procédés qui utilisent les décharges Sparks dans les liquides à haute répétition, en particulier dans la synthèse de nanomatériaux.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.036 | 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 teacher head, 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".