Département d’I.R.O., Université de Montréal
Bibliographic record
Abstract
SIMOD est un progiciel de simulation de systèmes stochastiques à événements discrets, avec vision par événements ou par processus. Il supporte aussi la simulation continue, pour laquelle l’évolution de certaines variables du modèle se fait selon des équations différentielles. Le progiciel est implanté sous forme de modules pré-compilés, écrits en Modula-2 (un langage qui ressemble à Pascal). Ces modules comprennent des types de données prédéfinis, des fonctions, des procédures, et supportent une partie de l’exécution des programmes utilisateurs. Ces outils permettent d’exprimer un modèle de façon relativement concise, dans un langage lisible. Il ne s’agit pas d’un nouveau langage; en réalité, un programme SIMOD est un programme Modula-2 qui utilise les modules de SIMOD. Le progiciel gère l’horloge et la liste des événements d’une simulation. Il fournit des outils pour gérer des listes, générer des valeurs pseudo-aléatoires selon différentes lois de probabilité et recueillir des statistiques durant la simulation. Les objets “actifs ” dans le système peuvent être représentés par des processus, et SIMOD s’occupe de la synchronisation entre les processus, implantés sous forme de co-routines. Différentes formes de synchronisation entre les processus sont disponibles, telles que l’exclusion mutuelle par des ressources à capacité limitée, la relation de type producteur/consommateur par le biais d’un tampon (une pile de jetons), l’attente sur des conditions, et les relations de type maître/esclave. La version courante de SIMOD est implantée sous SUN/Solaris et sous Linux.
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 | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.342 | 0.127 |
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; the direct Gemma label and the distilled Codex classifier agree on what is shown here.
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".