Modélisation 2D d’une décharge streamer dans l’air en présence d’une barrière diélectrique : influence de la tension appliquée, de la distance inter-électrode et de la conductivité
Bibliographic record
Abstract
Ce projet s’inscrit dans le cadre du parcours international du Master Sciences et Technologies des Plasmas. Il est le fruit d’une collaboration entre l’Université de Toulouse en France et l’Univerité de Montréal au Canada. À l’origine, les décharges impulsionnelles en contact avec un liquide étaient étudiées. Aujourd’hui, le projet porte sur l’évolution temporelle d’un claquage de type streamer. La configuration étudiée correspond à deux électrodes (pointepointe) dans l’air à pression atmosphérique, placées sur un diélectrique solide. De plus une goutte de liquide diélectrique est placée entre les électrodes, avec un profil de type hémisphérique par rapport à la surface du diélectrique. Pour ce faire, un code 2D, développé en langage Python, a permis d’étudier numériquement l’effet du diélectrique sur la propagation des streamers grâce à la résolution des deux premiers moments de l’équation de Boltzmann couplée avec l’équation de Poisson pour résoudre le champ électrique spatialement. Dans un premier temps en France, durant la première année du Master, Monsieur Valensi, enseignant-chercheur au Laboratoire Plasmas et Convertion d’Energie dans l’équipe ScIPRA, m’a encadré avec Monsieur Hamdan, professeur à l’université de Montréal. La suite de mes travaux s’est déroulés au Canada, au sein de l’équipe de Monsieur Hamdan. Ce projet est la suite directe de celui d’Anthony Ouali [1] qui a développé un code, en langage Python, durant la deuxième année de son Master STP au Canada en 2022-2023. Ce mémoire permettra de mettre en évidence les effets des différents paramètres du système tels que la tension appliquée, la distance inter-électrode mais aussi la conductivité électrique σ du matériaux. En effet, chaque paramètre joue un rôle crucial sur la propagation du streamer, il est donc important d’en étudier les conséquences. Par exemple, nous verrons que la tension appliquée joue un rôle crucial dans la vitesse de propagation des streamers ainsi que dans leur initiation mais aussi que l’augmentation de la conductivité va permettre une initiation plus rapide des streamers négatifs et à l’inverse va ralentir celle des positifs.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 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".