Développement et étude des éléments finis spectraux pour les écoulements rapides
Bibliographic record
Abstract
L'idée fondamentale de ce travail de recherche consiste à l'utilisation de la méthode des éléments spectraux de haute précision pour mieux résoudre la couche limite des écoulements rapides. Ceci a une importance primordiale pour mieux simuler les interactions entre les couches limites et les chocs qui donnent naissance à la séparation de l'écoulement et par conséquent à l'accroissement de la traînée. La prédiction de la traînée est importante particulièrement en aérodynamique transsonique. \n \nOn s'intéresse particulièrement à la modélisation de l'écoulement dans la région de la paroi de la couche limite. On vise à développer un élément de paroi qui serait capable de reproduire la séparation de la couche limite. \n \nHabituellement on utilise des lois de paroi de type log-linéaire. Cependant, le modèle log-lin seul est incapable de modéliser fidèlement les zones de recirculation ou de décollement. On construit un deuxième modèle qui consiste à rajouter une approximation spectrale au profil log-lin afin d'enrichir l'interpolation dans la direction normale à la paroi. L'élément de paroi est donc un prisme où l'approximation est très riche dans la direction normale et linéaire dans le plan tangent où la discrétisation est assurée par des éléments finis. Pour la turbulence, on utilise le modèle de Spalart-Allmaras. \n \n
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 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.020 | 0.004 |
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".