論文の概要、ライセンス

# (参考訳) テイラー・グリーン流における慣性粒子因果関係の動的モード分解 [全文訳有]

Dynamic Mode Decomposition of inertial particle caustics in Taylor-Green flow ( http://arxiv.org/abs/2102.05120v1 )

ライセンス: CC BY 4.0
Omstavan Samant, Jaya Kumar Alageshan, Sarveshwar Sharma, and Animesh Kuley(参考訳) 背景流に付着した慣性粒子は複雑な構造を示すことができる。 2次元テイラーグリーン(TG)流における慣性粒子を検討し、粒子画像速度測定(PIV)類似データから動的モード分解(DMD)法を用いて粒子のストークス数関数として粒子ダイナミクスを特徴づける。 我々は, 因果構造の形成を観察し, DMDを用いて解析し, (a) 粒子のストークス数を決定し, (b) 粒子のストークス数組成を推定する。 この理想化された流れの私達の分析はより複雑か乱流の流れの慣性粒子を分析する有用な洞察を提供します。 本研究では,DMD手法を用いて実験システム上で同様の解析を行うことを提案する。

Inertial particles advected by a background flow can show complex structures. We consider inertial particles in a 2D Taylor-Green (TG) flow and characterize particle dynamics as a function of the particle's Stokes number using dynamic mode decomposition (DMD) method from particle image velocimetry (PIV) like-data. We observe the formation of caustic structures and analyze them using DMD to (a) determine the Stokes number of the particles, and (b) estimate the particle Stokes number composition. Our analysis in this idealized flow will provide useful insight to analyze inertial particles in more complex or turbulent flows. We propose that the DMD technique can be used to perform a similar analysis on an experimental system.
公開日: Tue, 9 Feb 2021 20:42:35 GMT

※ 翻訳結果を表に示しています。PDFがオリジナルの論文です。翻訳結果のライセンスはCC BY-SA 4.0です。詳細はトップページをご参照ください。

翻訳結果

    Page: /      
英語(論文から抽出)日本語訳スコア
1 2 0 2 b e F 9 ] n y du l f . 1 2 0 2 b e f 9 ] n y du l f である。 0.83
s c i s y h p [ s c i s y h p [。 0.66
1 v 0 2 1 5 0 1 v 0 2 1 5 0 0.85
. 2 0 1 2 : v i X r a . 2 0 1 2 : v i X r a 0.85
Dynamic Mode Decomposition of inertial particle caustics in Taylor-Green flow Omstavan Samant1, Jaya Kumar Alageshan2,*, Sarveshwar Sharma3, and Animesh Kuley2 Taylor-Green Flow Omstavan Samant1, Jaya Kumar Alageshan2,*, Sarveshwar Sharma3, Animesh Kuley2における慣性粒子因果の動的モード分解 0.88
1Centre for Fusion, Space and Astrophysics, University of Warwick, Coventry, CV4 7AL, UK. 1Centre for Fusion, Space and Astrophysics, University of Warwick, Coventry, CV4 7AL, UK 0.91
2Department of Physics, Indian Institute of Science, Bangalore, India - 560012. 2department of physics, india institute of science, bangalore, india - 560012 バンガロール。 0.80
3Institute For Plasma Research, Gandhinagar, Gujarat, India - 382428. 3institute for plasma research, gandhinagar, gujarat, india - 382428。 0.80
*jkumar.res@gmail.co m jkumar.res@gmail.com 0.60
ABSTRACT Inertial particles advected by a background flow can show complex structures. ABSTRACT 背景流に付着した慣性粒子は複雑な構造を示すことができる。 0.78
We consider inertial particles in a 2D TaylorGreen (TG) flow and characterize particle dynamics as a function of the particle’s Stokes number using dynamic mode decomposition (DMD) method from particle image velocimetry (PIV) like-data. 本研究では,2次元TaylorGreen(TG)流れにおける慣性粒子を粒子画像速度測定(PIV)類似データから動的モード分解(DMD)法を用いて,粒子のストークス数の関数として特徴づける。 0.90
We observe the formation of caustic structures and analyze them using DMD to (a) determine the Stokes number of the particles, and (b) estimate the particle Stokes number composition. 我々は, 因果構造の形成を観察し, DMDを用いて解析し, (a) 粒子のストークス数を決定し, (b) 粒子のストークス数組成を推定する。 0.85
Our analysis in this idealized flow will provide useful insight to analyze inertial particles in more complex or turbulent flows. この理想化された流れの私達の分析はより複雑か乱流の流れの慣性粒子を分析する有用な洞察を提供します。
訳抜け防止モード: この理想化された流れにおける我々の分析は より複雑な流れや乱流中の慣性粒子を分析する。
0.78
We propose that the DMD technique can be used to perform similar analysis on an experimental system. 本研究では,DMD手法を用いて実験システム上で同様の解析を行うことを提案する。 0.72
1 Introduction Advection of particles, such as dust or aerosol by a background flow is a ubiquitous phenomena. 1 背景流れによるダストやエアロゾルなどの粒子の移入は、ユビキタスな現象である。 0.70
And the study of dispersion of these inertial particles are of immense interest both for applied and natural processes, in particular, to analyze oil spills in oceans1–4, dispersion of pollutants and toxic elements5, 6, suspended particles in aquatic systems7, formation of clouds8, 9 and volcanic plumes10, and the effect of the flow patterns generated by the breathing action and cough on the dispersion of the aerosol particles are crucial to understand the spread of COVID-19 virus11–16. また、これらの慣性粒子の分散の研究は、特に海洋における油流出、汚染物質の分散、毒性元素5、6の水系7における懸濁粒子の形成、雲8、9、火山性プルーム10の形成、そして、呼吸作用によって生じる流れパターンがエアロゾル粒子の分散に与える影響を解明するためには、適用および自然過程の両方に非常に興味がある。
訳抜け防止モード: そして、これらの慣性粒子の分散の研究は、応用過程と自然過程の両方において非常に興味深い。 特に海洋における油流出を分析するには,汚染物質と有害元素の分散5。 6, 懸濁粒子の水系7, 雲8, 9, 火山プルーム10の形成 また, covid-19ウイルスの拡散を理解するには, 呼吸行動とせきがエアロゾル粒子の分散に及ぼす影響が重要である。
0.87
Numerical studies of inertial particle dispersion in different types of flows, ranging from static17 to turbulent18, 19 flows have shown that the particles display complex dynamical behaviours like formation of fractal clusters18 and caustics20. 静流17から乱流18,19までの様々な流れにおける慣性粒子分散の数値的研究は、粒子がフラクタルクラスター18および因果関係20の形成のような複雑な動的挙動を示すことを示している。
訳抜け防止モード: 異なる種類の流れにおける慣性粒子分散の数値的研究 static17からturbulent18まで19のフローが 粒子はフラクタルクラスター18や因果20の形成のような 複雑な動的挙動を示す
0.92
The analysis of the structures formed by the particles encode information about the Stokes number of the particles and the flow patterns. 粒子によって形成される構造の解析は、粒子のストークス数とフローパターンに関する情報を符号化する。 0.85
Experimental techniques such as particle image velocimetry (PIV) have been used to track particles and extract velocity profiles21 when it is possible to identify individual particles in an image, but not with certainty to track it between images. PIV(Particle Image velocimetry)のような実験技術は、粒子の追跡や速度プロファイルの抽出に用いられており、画像中の個々の粒子を特定できるが、画像間を確実に追跡することはできない。 0.79
If the particle concentration is so low that it is possible to follow an individual particle it is called particle tracking velocimetry (PTV). 粒子濃度が非常に低く、個々の粒子に従うことができる場合は、粒子追跡速度測定(PTV)と呼ばれます。 0.78
While similar techniques have been adopted to track particles in simulations, the averaging process reduces the spatial resolution, which is critical in our application. シミュレーションにおける粒子追跡に類似した手法が採用されているが, 平均化処理により空間分解能が低下する。 0.77
In simulations, the Osiptov’s method22 have been used to extract caustic features20, which track each particle in PTV like situations but fail for PIV like data. シミュレーションでは、osiptovのmethod22は、ptvのような状況では各粒子を追跡するが、pivのようなデータでは失敗するcaustic features20の抽出に使われている。 0.63
We propose the use dynamical mode decomposition (DMD) based scheme to obtain the spatio-temporal particle distributions as a representative for particle density. 粒子密度の代表として時空間粒子分布を求めるために,動的モード分解法(DMD)に基づく手法を提案する。 0.86
DMD methods have been used to extract coherent structures in simulations and experiments23–26 of fluids. DMD法は、流体のシミュレーションおよび実験におけるコヒーレント構造を抽出するために使用される23-26。 0.65
We use the DMD method to analyze and extract the features of the caustics to (a) determine the Stokes number of the particles, and (b) estimate the relative particle concentrations in a bi-disperse Stokes number system. 本研究では, DMD法を用いて, 因果関係の特徴を分析し, 抽出し, (a) 粒子のストークス数を決定するとともに, (b) 二分散ストークス数系における相対粒子濃度を推定する。 0.75
Our approach can also be extended to multiple Stokes number poly-disperse systems. 我々のアプローチは、複数のストークス数多分散系にも拡張できる。 0.59
This paper is organized as follows. 本論文は以下のとおり整理される。 0.68
In Sec. 1.1 we present the form of the TG flow, minimal model of an inertial particle, and the relevant numerical simulation details. Sec。 1.1では, tg流の形態, 慣性粒子の最小モデル, 関連する数値シミュレーションの詳細について述べる。 0.67
In Sec. 1.2 we show the formation of caustic structures and analyze them using DMD method in Sec. Sec。 1.2 因果構造の形成を示し,Sec の DMD 法を用いて解析する。 0.60
1.3 and demonstrate how we extract the caustic wavefronts from the DMD mode. 1.3 と DMD モードから因果波面を抽出する方法を示します。 0.74
We use the position and the gradient of the wavefront in the DMD eigen mode to estimate the Stokes number and the composition of a bi-disperse Stokes number systems in Sec. 我々は、DMD固有モードにおける波面の位置と勾配を用いて、Stokes数とSecにおける二分散Stokes数系の構成を推定する。 0.72
2 and present our conclusions in Sec. Sec.2で結論を述べます。 0.62
3. 1.1 Model We consider a 2D lattice of vortices in the form of a Taylor-Green (TG) flow. 3. 1.1モデル テイラー-グリーン流(TG)の形で渦の2次元格子を考える。 0.79
The TG flow is a steady state solution to the forced, incompressible Navier-Stokes equation and can be considered a convection model in 2D27, 28. tgフローは強制的な非圧縮性ナビエ-ストークス方程式の定常解であり、2d27, 28の対流モデルと見なすことができる。 0.74
Such a flow can be このような流れは 0.65
英語(論文から抽出)日本語訳スコア
experimentally setup using ion solutions in an array of magnets29. マグネット29の配列にイオン溶液を用いて 実験的に設定する 0.78
The TG flow is given by the vorticity field as TG フローは vorticity フィールドによって与えられます。 0.72
(cid:18)2πx (cid:19)  sin(cid:0) 2πx − cos(cid:0) 2πx (cid:18)2πx (cid:19) sin(cid:0) 2πx − cos(cid:0) 2πx 0.71
L L sin L (cid:18)2πy (cid:19) (cid:17) (cid:16) 2πy (cid:17) (cid:1) cos (cid:16) 2πy (cid:1) sin L L 罪 L (cid:18)2πy (cid:17) (cid:16) 2πy (cid:17) (cid:16) 2πy (cid:16) 2πy (cid:1) sin 0.79
L L L ω(x,y) = ω0 sin L L L ω(x,y) = ω0 sin 0.87
and the corresponding velocity field is u(x,y) = V0 対応する速度場は u(x,y) = V0 0.69
(1) (2) where x,y ∈ [0,L) and are periodic, u is the Eulerian velocity field such that ω = ∇× u. (1) (2) x,y ∈ [0,L) で周期的であるとき、u は ω = ω× u となるユーレウス速度場である。 0.84
We choose V0 as the velocity scale and L as the length scale and write the system parameters in corresponding dimensionless form. 我々はV0を速度尺度とし、Lを長さ尺度とし、システムパラメータを対応する無次元形式に記述する。 0.69
We model the aerosol particles as small rigid spheres, which are effectively points, that have density different from the surrounding fluid. 我々はエアロゾル粒子を、周囲の流体と密度が異なる事実上の点である小さな剛球としてモデル化する。 0.82
The equation of motion of the inertial particles in a background flow given by the simplified Maxey-Riley approximation17 for small particles that are much denser than the fluid are 流体よりはるかに密度の高い小粒子に対する単純化されたマクシー・ライリー近似17により与えられる背景流れにおける慣性粒子の運動方程式は、 0.75
dx dt = v dv 1 dt = dx dt = v dv 1 dt = 0.85
St (u− v) (3) St (u−v) (3) 0.90
where St is the Stokes number which captures the effect of particle inertia, x is the particle position and v is the particle velocity (see Appendix A for validity of the equations). St は粒子慣性の効果を捕捉するストークス数であり、x は粒子位置、v は粒子速度である(方程式の妥当性については付録 A を参照)。 0.85
The case when St → 0 the particles act as tracers that follow the velocity stream lines and the eq. St → 0 の場合、粒子は速度の流れ線と eq に従うトレーサとして作用する。 0.77
3 leads to v = u. 3 は v = u につながる。 0.81
We use RK4 numerical scheme to discretize and evolve the particle positions and velocities. 我々はrk4数値スキームを用いて粒子の位置と速度を識別・発展させる。 0.63
Furthermore, we use periodic boundary conditions, such that the particles are reintroduced into the system when they exit the boundary. さらに, 粒子が境界から出る際にシステムに再導入されるような周期的境界条件を用いる。 0.75
In our analysis we set the time step to ∆t = 0.01 (L/V0). 解析では、時間ステップを0.01 (L/V0) に設定します。 0.68
1.2 Observations A typical feature of inertial particles in a background flow is that they are expelled from high vorticity regions. 1.2 観測 背景流における慣性粒子の典型的な特徴は、高渦領域から排出されることである。 0.80
In a background flow with vortices, the inertial particles can form caustics20. 渦を伴う背景流れにおいて、慣性粒子はコースティックス20を形成することができる。 0.62
So in the case of TG flow, the inertial particles tend to accumulate along the low vorticity regions that separate the vortices. したがって、TG流の場合、慣性粒子は渦を分離する低い渦性領域に沿って蓄積する傾向がある。 0.78
We simulate the dynamics of inertial particles in a TG flow and observe spatial regions where the Lagrangian velocity field is multi-valued, which are referred to as caustics30–32 (see Fig. 我々はtg流中の慣性粒子のダイナミクスをシミュレーションし、ラグランジュ速度場が多値である空間領域を観測し、これをcaustics30-32と呼ぶ(図参照)。 0.76
3(a)). Figure. 3(a)であった。 図。 0.72
1 shows the caustic structure formed by a mono-disperse inertial particle system, when we start the simulation with the particle positions initialized with uniform random distribution within the L× L box, and setting the initial velocities of the particles to zero. 1は、単分散慣性粒子系によって形成されるコースティック構造を示し、l×lボックス内の均一なランダム分布で初期化された粒子の位置でシミュレーションを開始し、粒子の初期速度をゼロにする。 0.89
In the long time limit, the particles accumulate along a curve33. 長い時間限度では、粒子は曲線33に沿って蓄積する。 0.81
We observe that the caustics that form in the transient state are robust and stable to small perturbations (see Appendix A), whereas the steady state structures break up and lead to chaos33. 我々は、過渡状態を形成する因果関係が堅牢かつ安定であり、小さな摂動(付録Aを参照)であるが、安定した状態構造は崩壊し、カオス33につながることを観察する。 0.73
Furthermore, the steady state behaviour strongly depends on the system size and the boundary conditions. さらに、定常状態の挙動は、システムのサイズと境界条件に強く依存する。 0.78
We find that for a range of Stokes numbers the caustic structures preserve their shapes; and their sizes depend on St. ストークス数の範囲において、因果構造はその形を保ち、その大きさはセントに依存する。 0.50
In the following section we use dynamic mode decomposition (DMD) to extract features of the structures, in particular the caustic wavefront, and study its size dependence on the Stokes number. 下記の節では、動的モード分解(DMD)を用いて、構造、特に因果波面の特徴を抽出し、その大きさがストークス数に依存することを研究する。 0.75
Furthermore, the sharpness of the caustic wavefront enables us to detect and extract their sizes even in presence of poly-disperse Stokes number systems. さらに,コースティックウェーブフロントの鋭さにより,多分散ストークス数系が存在する場合でも,そのサイズを検出・抽出することができる。 0.56
1.3 Analysis The caustics in Fig. 1.3 分析 図中の因果関係 0.75
1 have a complex structure and in the presence of multiple Stokes number particles resolving these structures from a single snap-shot is hard. 1は複雑な構造を持ち、1枚のスナップショットからこれらの構造を解く複数のストークス数粒子の存在は難しい。 0.78
Therefore we employ the spatio-temporal data in the form of a video sequence that contains F frames of N × N pixel images and analyze them using the dynamic mode decomposition (DMD) method. そこで我々は、N×N画素画像のFフレームを含むビデオシーケンスの形で時空間データを時空間データとして使用し、動的モード分解(DMD)法を用いて解析する。 0.78
DMD is a data analysis technique that has been used to extract coherent structures in fluid dynamic systems34, where it is able to extract different modes that are similar to normal modes in linear dynamical systems. DMDは、流体力学系のコヒーレント構造を抽出するために使用されるデータ解析技術である34は、線形力学系の通常のモードに類似した異なるモードを抽出することができる。 0.84
The DMD is a data-driven technique introduced by Schmid as a numerical procedure for extracting dynamical features from flow data35. dmdはschmidがフローデータ35から動的特徴を抽出する数値手順として導入したデータ駆動技術である。 0.71
The DMD algorithm takes in a time-series data in the form of vectors {(cid:126)v1,(cid:126 )v2, ...(cid:126)vT} and estimates a linear dynamical system that can generate a map DMDアルゴリズムはベクトル {(cid:126)v1,(cid:126 )v2, ...(cid:126)vT} の形で時系列データを取り込み、地図を生成する線形力学系を推定する。 0.85
(cid:126)vi+1 = A (cid:126)vi (cid:126)vi+1 = A (cid:126)vi 0.76
(4) where A is an N2 × N2 matrix and the eigenvectors of A form the DMD modes, with the corresponding eigenvalues. (4) A が N2 × N2 行列であり、A の固有ベクトルが対応する固有値を持つ DMD モードを形成する。 0.87
Finally, the eigenvectors are reshaped into N × N pixel image to obtain the modes. 最後に、固有ベクトルは、モードを得るためにN×Nピクセル画像に再構成される。 0.73
A Singular Value Decomposition (SVD) based algorithm for estimating the DMD modes is described in Appendix B. DMDモードを推定するためのSingular Value Decomposition(SVD)ベースのアルゴリズムを付録Bに記述する。 0.78
Let i stand for the iteration number such that the particles are in their stationary initial state and start their evolution at i = 0. 素粒子が定常初期状態にあるような反復数を表し、その発展をi = 0 で開始する。 0.57
Then for our data, the vectors vi are obtained by rearranging the N × N pixel images at instant i into N2 × 1 vector. そして、我々のデータでは、N × N ピクセル画像をインスタント i で N2 × 1 ベクトルに並べ替えることでベクトル vi を得る。 0.81
In our DMD 2/9 DMDについて 2/9 0.66
英語(論文から抽出)日本語訳スコア
Figure 1. A snapshot of the particle distribution in (a) at t = 750 ∆t shows the complex structure formed by the mono-dispersed inertial particles with St = 1.0 in a periodic domain of size L× L. The background color-map corresponds to the vorticity field and the particles are plotted using black markers. 図1。 t = 750 t における (a) における粒子分布のスナップショットは、St = 1.0 の単分散慣性粒子によって形成される複素構造を L× L の周期領域で示している。
訳抜け防止モード: 図1。 t = 750 t における (a ) における粒子分布のスナップショットは、St = 1.0 の大きさの周期領域における単分散慣性粒子によって形成される複素構造を示している。 粒子は黒いマーカーでプロットされます
0.75
Notice that the particles in the high vorticity regions have moved out towards the regions bounding the vortices. 高渦領域の粒子は渦に束縛された領域に向かって移動していることに注意。 0.72
The zoomed-in version in (b) shows the details of the caustic structures around the central region of the domain. b)のズームインバージョンでは、ドメインの中央領域周辺のコースティック構造の詳細が示されている。 0.75
See the video C.1 for the evolution of the caustic structures. コースティック構造の進化に関するビデオ c.1 を参照。 0.78
analysis we employ {v250,v251, ...v750} (i.e. 分析ではv250,v251,...v750}(つまり 0.71
F = 500), as the modes obtained are the sharpest for this range. 得られたモードは、この範囲で最も鋭いため、F = 500)。 0.74
Let D (α)( j,k) represent the ( j,k)th pixel of the αth eigenmode, ordered in terms of decreasing absolute eigenvalue. d (α)( j, k) を α 番目の固有モードの (j,k) 番目のピクセルとし、絶対固有値を減少させる。 0.74
Since the caustics are localized around the central region of the domain, we use a zoomed-in region of size 512× 512 pixels (i.e. コースティックは領域の中心領域に局在するので、512×512ピクセル(すなわち512ピクセル)のズームイン領域を用いる。 0.69
N = 512) in our analysis, as shown in Fig. 図に示すように、私たちの分析ではN = 512)。 0.81
1. We find that the highest singular eigenvalue mode, namely D (1), shown in Fig. 1. 最高特異固有値モード、すなわち D (1) が Fig で示されることが分かる。 0.78
2(a) highlights a straight-line caustic structure, which we refer to as the wavefront. 2(a) は直線的なコースティック構造を強調しており、これを波面と呼ぶ。 0.68
The eigenvalues of other DMD modes decay exponentially. 他のDMDモードの固有値は指数関数的に減衰する。 0.55
We observe that the position of the wavefront in D (1) has a systematic dependence on the Stokes number, and to extract this relation we detect the location of the wavefronts using edge detection techniques. 我々はD(1)における波面の位置がストークス数に体系的に依存していることを観察し、この関係を抽出するために、エッジ検出技術を用いて波面の位置を検出する。 0.80
Similarly, when we perform DMD analysis on a bi-disperse system D (1)( j,k) shows two distinct wavefronts (see Fig. 同様に、分散系 D(1)(j,k) 上で DMD 解析を行うと、2つの異なる波面が現れる(図参照)。 0.80
2(b)) corresponding to the two different Stokes numbers; and here DMD uses the velocity information to unambiguously extract the wave fronts. 2(b)) は 2 つの異なるストークス数に対応する; ここで DMD は速度情報を使用して波面を曖昧に抽出します。 0.77
In particular, Fig. 3(a) shows the reduced phase space portrait of a typical particle which form the caustic32 and Fig. 特に、図。 3(a)は、カスティック32とフィグを形成する典型的な粒子の位相空間の縮小像を示す。 0.62
3(b) shows the particles overlaid on top of the DMD that demonstrates the DMD’s ability to extract the caustic structures. 3(b) は、dmd がコースティック構造を抽出する能力を示す dmd の上にオーバーレイした粒子を示す。 0.66
Furthermore, we find that the intensity of each wavefront compared to the background, which we refer to as prominence36, depends on the corresponding initial particle concentrations in the system. さらに、各波面の強度は、私たちがプロミネンス36と呼ぶ背景と比較して、システムの対応する初期粒子濃度に依存することが判明しました。 0.73
We now prescribe a method to extract the position of the wavefront from DMD. 我々は,dmdから波面の位置を抽出する手法を定式化した。 0.72
We use a Sobel operator37 such that the Sobel 演算子37 を使用します。 0.74
3/9 3/9 0.59
英語(論文から抽出)日本語訳スコア
Figure 2. The highest singular DMD eigenvector, D (1), obtained for: (a) St = 1.0 mono-disperse system, (b) a bi-disperse mixture of St = {1,2} with 7 : 3 ratio of initial particle concentrations. 図2。 最も高い特異なdmd固有ベクトル d(1) は (a) st = 1.0 mono-disperse system, (b) st = {1,2} の双分散混合物と初期粒子濃度の 7 : 3 の比で得られる。 0.81
The horizontal lines correspond to the caustic wavefronts, and the number of such fronts indicate the different Stokes number particles. 水平線はコースティック波面に対応し、これらの前線の数は異なるストークス数粒子を示す。 0.74
Also notice that the wavefronts corresponding to St = 1.0 are vertically aligned in both (a) and (b), indicating that the positions of DMD wavefronts are not perturbed by the presence of particles with different Stokes numbers. また、st = 1.0 に対応する波面が (a) と (b) の両方で垂直に整列していることに気付き、dmd波面の位置はストークス数が異なる粒子の存在によって摂動しない。 0.79
Figure 3. (a) The particle trajectory in the reduced phase space, (y,vy), shows the multi-valued nature of the casutics in velocity between the dotted vertical lines32. 図3。 (a)還元相空間における粒子軌道(y,vy)は、点在した垂直線32間の速度におけるカソーティクスの多値性を示す。 0.77
The movie in C.2 shows the evolution of the bi-disperse particles overlaid on the corresponding DMD from Fig. C.2 の映画は、フィグの対応する DMD 上の二分散粒子の進化を描いている。 0.66
2(b) and the plot (b) shows a snap-shot at the 650th iteration step when the caustics and the DMD wavefronts coincide. 2(b) とプロット (b) は、因果関係と DMD の波面が一致する場合、650 番目の反復ステップでスナップショットを示す。 0.73
Notice that the first DMD picks out only the slow moving horizontal caustics. 最初のdmdは、ゆっくり動く水平のコースティックのみを選択します。 0.55
vertical gradient of the first DMD mode is given by 最初のDMDモードの垂直勾配が与えられます。 0.79
G( j,k) = ∂ D (1)( j,k) G(j,k) = ∂ D (1)(j,k) 0.81
∂ y ≈ 1 ∆y  1 ∂y 第1期生。  1 0.54
1 0 0 −1 −2 −1 1 0 0 −1 −2 −1 0.82
2 0 (cid:126) D (1)( j,k) 2 0 (cid:126) d (1)(j,k) 0.84
(5) (cid:90) L (5) (cid:90)L 0.83
0 where (cid:126) represents the 2D convolution operator38, and ∆y is the spacing in DMD along the y-axis. 0 ここで (cid:126) は 2D 畳み込み作用素38 を表し、y は y 軸に沿った DMD の間隔である。 0.76
We then sum over the values in the x-direction to get a 1D function of y as すると x-方向の値を和にして y の 1d 関数を得る。 0.79
(cid:104)G(cid:105)x = (cid:104)G(cid:105)x = 0.84
G( j,k) dx ≈ N ∑ G(j,k) dx を N とする。 0.86
j=1 G( j,k) ∆x j=1 G(j,k) =x 0.70
(6) where ∆x is the spacing in DMD along the x-axis, and we choose a square grid with ∆x = ∆y such that (cid:104)G(cid:105)x is by definition independent of the grid spacing and is dimensionless. (6) ここで、x は x 軸に沿った DMD の間隔であり、(cid:104)G(cid:105)x がグリッドの間隔に依存しない定義で、寸法が無くなるような平方格子を選択する。 0.81
In the next section we describe how the location and the value of the peaks in (cid:104)G(cid:105)x can be used to find the Stokes number of the particles and the relative initial concentrations in the case of a bi-disperse system. 次の節では、(cid:104)G(cid:105)x におけるピークの位置と値を用いて、粒子のストークス数と二分散系の場合の相対初期濃度を求める方法について述べる。 0.69
4/9 4/9 0.59
英語(論文から抽出)日本語訳スコア
2 Results 2.1 Determination of Stokes number from DMD 2結果 2.1 DMDからのストークス数決定 0.86
Figure 4. In (a) we show the plots of (cid:104)G(cid:105)x obtained for different values of the Stokes number from mono-disperse systems. 図4。 a) 単分散系からストークス数の異なる値に対して得られた (cid:104)G(cid:105)x のプロットを示す。 0.77
We extract the location of the peaks in (cid:104)G(cid:105)x for each St, as defined in eq. eq で定義される各 St に対して (cid:104)G(cid:105)x のピークの位置を抽出する。 0.83
7, to generate the plot in (b) and we find that the YW F and St have a quadratic dependence. 7 のプロットを (b) で生成すると、yw f と st は二次依存を持つことが分かる。
訳抜け防止モード: 図7に示すように、プロットを (b) で生成します。 YW F と St は二次依存を持つ。
0.71
The (cid:104)G(cid:105)x is obtained from the DMD as described in Sec. (cid:104)g(cid:105)x はsecに記載されたdmdから得られる。 0.67
1.3 by simulating mono-disperse Stokes number particle systems to generate the plots in Fig. 1.3 単分散ストークス数粒子系をシミュレートして図中のプロットを生成する。 0.77
4(a) which shows (cid:104)G(cid:105)x as a function of St. 4(a) は (cid:104)G(cid:105)x を St の関数として示す。 0.86
The alignment of the peaks in (cid:104)G(cid:105)x along a curve indicates a systematic dependence of the location of wavefront on the Stokes number. 曲線に沿った(cid:104)G(cid:105)x のピークのアライメントは、ストークス数に対する波面の位置の系統的依存性を示す。 0.84
To extract this relation we first get the location of the caustic wavefront from the domain center using the position of the peaks in (cid:104)G(cid:105)x given by この関係を抽出するために、まず、(cid:104)G(cid:105)x におけるピークの位置を用いて、ドメイン中心から因果波面の位置を取得する。 0.76
(cid:104)G(cid:105)x − L 2 (cid:104)G(cid:105)x − L 2 0.88
y YW F = argmax y YW F = argmax 0.85
(7) where argmaxy gives the value of y for which (cid:104)G(cid:105)x is maximum. (7) argmaxy は (cid:104)G(cid:105)x が最大となる y の値を与える。 0.92
We then plot YW F as a function of St as shown in Fig. そして、図に示すように、YW F を St の関数としてプロットする。 0.74
4(b). Using a non-linear least squares fit method we find that the relation is of the form YW F ∼ a St2 + b St + c, with values of the parameters a, b, and c as indicated in Fig. 4(b)。 非線型最小二乗適合法を用いて、この関係は、図1に示すように、パラメータ a, b, c の値を持つ YW F × a St2 + b St + c の形式であることが判明した。 0.75
4(b), where x represents St. Now, extrapolating the fit we find that YW F = 0 at St = 0.3767 and becomes multi-valued for St > 3.0979, thus setting the limits on the validity of the relation. 4(b) ここで x は St. Now を表すが、その適合を外挿すると、YW F = 0 は St = 0.3767 であり、St > 3.0979 に対して多重値となるので、関係の妥当性の限界を設定する。 0.76
The three parameters in the relation can be estimated experimentally using calibrated measurements and the relation can be used to predict the St of new particle systems. この関係の3つのパラメータは、校正測定を用いて実験的に推定することができ、その関係は新しい粒子系のstを予測するのに使うことができる。
訳抜け防止モード: キャリブレーション測定により,関係の3つのパラメータを実験的に推定できる そして、この関係は新しい粒子系のStを予測するのに使うことができる。
0.81
In particular we demonstrate that the above method can be generalized to work in case of bi-disperse system. 特に,二分散系の場合,上記の手法を一般化できることを実証する。 0.68
As shown in Fig. 2(b), for a bi-disperse system the DMD has two sets of caustic wavefronts, corresponding to each Stokes number. 図に示すように。 2(b) 双分散系では、dmd は各ストークス数に対応する2組のコースティック波面を持つ。 0.76
Now we set one of the Stokes number fixed at one (St1 = 1.0), vary the St2 and find (cid:104)G(cid:105)x to generate the plots in Fig. さて、1 で固定されたストークス数(St1 = 1.0)の1つを設定し、St2 を変えて(cid:104)G(cid:105)x を見つけ、フィグのプロットを生成する。 0.60
5. The results in Fig. 5. 結果は図です。 0.76
5 show that even in the bi-disperse system the caustic wavefront has the same characteristic behaviour on the Stokes number as the mono-disperse system. 5) 二重分散系においても, コースティック波面は単分散系と同じ特性を持つことを示す。 0.66
In particular, the wavefront corresponding to St1 has a fixed location and the wavefront due to St2 preserves the dependence on YW F of the mono-disperse system. 特に、St1に対応する波面は固定位置を有し、St2による波面は単分散系のYWFへの依存を保っている。 0.70
Our studies with poly-disperse St systems show that the caustic wavefronts can be used to find the Stokes number of different particles in the system using the relation obtained from a mono-disperse system. 多分散 St 系を用いた研究では, 因果波面を用いて, モノ分散系から得られた関係を用いて, システムの異なる粒子のストークス数を求めることができることが示された。 0.68
2.2 Estimation of particle concentration Until now the bi-disperse systems that we considered had equal number of St1 and St2 particles, with uniform initial distribution in space. 2.2 粒子濃度の推定 これまでの2分散系では,St1 と St2 の粒子数が等しく,初期分布が一様であった。 0.85
Now we study the variation in D (1) w.r.t. 現在、D (1) w.r.t の変動について研究している。 0.50
the change in relative number of particles. 粒子の相対的な数の変化です 0.80
We observe that the intensity of the wavefront or the gradient in the DMD image depends on the number of particles or the initial uniform concentration, denoted by C(St). 我々は,DMD画像における波面や勾配の強度が,C(St)で表される粒子数や初期均一濃度に依存することを観察した。 0.78
The variable (cid:104)G(cid:105)x gives the gradient of D (1) along the vertical direction and the magnitude of the gradient indicates sharpness of the wavefronts (see Fig. 変数 (cid:104)G(cid:105)x はD (1) の垂直方向に沿った勾配を与え、勾配の大きさは波面の鋭さを示す(図参照)。 0.80
6(a)). To measure the sharpness of the wavefront we define a "prominence" parameter, |(cid:104)G(cid:105)x | in the neighbourhood of the wavefront, which takes into account multiple P, as the sum of the non zero values of peaks in the vicinity of the wavefront. 6(a)であった。 波面の鋭さを測定するために、波面近傍のピークの非ゼロ値の合計として、複数のPを考慮に入れた波面近傍の「顕著な」パラメータ |(cid:104)G(cid:105)x | を定義します。 0.73
We find that the prominence of the wavefront has a systematic dependence on the initial concentration of the corresponding Stokes number particles and from Fig. 我々は、波面の卓越性は、対応するストークス数粒子の初期濃度と図からの系統的依存を有することを発見した。 0.76
6(b) we find that on a log-log plot the relation is 6(b) ログログプロットにおいて、その関係は 0.66
¯ 5/9 ¯ 5/9 0.72
英語(論文から抽出)日本語訳スコア
Figure 5. Plots of (cid:104)G(cid:105)x for a bi-disperse system, with one of the Stokes number fixed at one (St1 = 1.0), and varying St2. 図5。 双分散系に対する (cid:104)g(cid:105)x のプロットは、1つのストークス数(st1 = 1.0)と異なる st2 を持つ。 0.74
Notice that the peaks in (cid:104)G(cid:105)x corresponding to St1 are aligned at the same location along y, whereas the peaks due to St2 show similar trend as the plots for mono-disperse systems in Fig. St1 に対応する (cid:104)G(cid:105)x のピークが y に沿って同じ位置にあるのに対して、St2 のピークは Fig の単分散系のプロットと同様の傾向を示す。 0.84
4(a). Figure 6. The plot (a) shows the variation in the absolute value of (cid:104)G(cid:105)x for a bi-disperse system, with St1 = 1 and St2 = 2 particles, for various initial concentration fraction C(St1)/(C(St1) +C(St2)). 4(a)。 図6。 プロット(a)は、(cid:104)G(cid:105)x の二分散系における絶対値の変動を示し、St1 = 1およびSt2 = 2粒子は、様々な初期濃度分率C(St1)/(C(St1) +C(St2)である。 0.78
Notice that the peaks corresponding to each wavefront is not unique and have a finite spread in y. 各波面に対応するピークが一意ではなく、y において有限な広がりを持つことに注意。 0.66
In (b) the relation between the prominence corresponding to St1 and St2 are given by P1, P2 respectively, as a function of the initial particle concentrations C is shown in a log-log plot. b) 初期粒子濃度Cの関数がログログプロットに示すように、(b) St1 と St2 に対応するプロミネンスの関係をそれぞれ P1, P2 によって与えられる。 0.91
The linear fit ˆ|(cid:104)G(cid:105)| and the ratios of the concentration are related by a power-law, with a power close to shows that the ratios of the peaks of -1. 線型適合度|(cid:104)G(cid:105)|と濃度の比はパワーローによって関連しており、近傍の電力は-1のピークの比率を示す。 0.81
linear, with a slope approximately equal to -1. 直線で、斜面は -1 とほぼ等しい。 0.73
This implies that in a bi-disperse system the ratio of the prominence is inversely related to the ratio of initial concentrations. これは二分散系において、プロミネンスの比率が初期濃度の比率と逆関係であることを意味する。 0.82
We can use this relation to predict the concentration of various Stokes number particles in a system. この関係を利用して、システム内の様々なストークス数粒子の濃度を予測できます。 0.74
3 Conclusions We study the dynamics of inertial particles in a Taylor-Green flow with periodic boundary conditions in 2D. 3 結論 2次元の周期的境界条件を持つテイラー-グリーン流中における慣性粒子の動力学を考察する。 0.74
In a minimal model of inertial particles we observe that for a mono-disperse Stokes number system, starting from a uniform distribution of stationary particles, the particle distribution forms caustics in the strain dominated region of the flow. 慣性粒子の最小モデルにおいて, 単分散ストークス数系は定常粒子の均一分布から始まり, 流れのひずみ支配領域で粒子分布がコースティックを形成することを観測した。 0.82
We use the DMD method to analyze the PIV-like time-series data of the spatio-temporal particle distribution and find that the largest absolute eigenvalue mode is effective in extracting the caustic wavefront-like structure. DMD法を用いて時空間粒子分布のPIV様時系列データを解析し、最大絶対固有値モードが因果波面様構造の抽出に有効であることがわかった。 0.81
We notice that (a) the position of the wavefront depends on the particle Stokes number and employ standard image processing techniques to quantitatively extract a quadratic relation. a)波面の位置が粒子ストークス数に依存していることに気付き、標準画像処理技術を用いて2次関係を定量的に抽出する。 0.75
Using this relation we can predict the Stokes number from the wavefront position. この関係を用いて、波面位置からストークス数を予測することができる。 0.71
Furthermore, we find that for a bi-disperse system the DMD is able to extract two different wavefronts corresponding to each Stokes number and the positions of each wavefront follow the same quadratic relation as in the case of mono-disperse system. さらに、二分散系では、各ストークス数に対応する2つの異なる波面を抽出することができ、各波面の位置は単分散系の場合と同じ二次関係に従うことが判明した。 0.74
We also observe that (b) the sharpness of the wavefront in the DMD, measured in terms of prominence, depends on the initial particle concentration and find that for a bi-disperse Stokes number system the ratio of the wavefront prominence is inversely proportional to the corresponding また、(b)DMDにおける波面の鋭さは、初期粒子濃度に依存し、二分散ストークス数系では、波面の卓越性の比率が対応するものと逆比例であることも観察する。 0.70
6/9 6/9 0.59
英語(論文から抽出)日本語訳スコア
Stokes number initial concentration. ストークス番号初期濃度 0.53
Hence the measurement of prominence can be used to estimate the concentration of the corresponding Stokes number particles. したがって、プロミネンスの測定は対応するストークス数粒子の濃度を推定するのに使うことができる。 0.80
We propose that the DMD technique can be used to analyze real experimental PIV data of caustics and perform similar analysis to extract information about the Stokes numbers and concentrations of the particles. そこで本研究では,DMD法を用いて実実験PIVデータを解析し,同様の解析を行い,ストークス数や粒子濃度に関する情報を抽出する手法を提案する。 0.80
In future we will consider detailed Navier-Stokes equation for the self-consistent evolution of the velocities and analyze the caustic structures in turbulent flows. 今後,流速の自己整合的発展のためのnavier-stokes方程式を詳細に検討し,乱流のコースティック構造の解析を行う。 0.72
A Validity of particle dynamics The particle dynamics we use in our study is a special case of17 粒子動力学の妥当性 我々の研究で使う粒子動力学は 特別に17のケースで 0.83
dx dt = v dv 1 dt = dx dt = v dv 1 dt = 0.85
St (u− v) + R St (u− v) + R 0.96
(cid:18) u.∇u + (cid:18) u.su + 0.70
(cid:19) v.∇u (cid:19) v. 0.74
1 2 + η(v,t) 1 2 +η(v,t) 0.84
(8) where η is the white noise and R = ρ f /(ρp + ρ f /2) for density of particle ρp and density of fluid ρ f . (8) η は白色雑音であり、R = ρ f /(ρp + ρ f /2) は粒子 ρp の密度と流体 ρ f の密度を表す。 0.88
We present our results for η = 0 and R = 0, and use small values of these parameters to verify the stability of our results. η = 0 と r = 0 に対する結果を示し、これらのパラメータの小さな値を用いて結果の安定性を検証する。 0.77
B DMD algorithm The N × N pixel image at kth instant, Ik(i, j), is rearranged into an N2 × 1 vector X k(m) (note that we subtract the mean value from X k(m)). B DMDアルゴリズム k 番目の瞬間 Ik(i, j) における N × N ピクセル画像は、N2 × 1 ベクトル X k(m) に再配置される(平均値を X k(m) から引くことに注意)。 0.89
Now the F sequence of image frames are appended together to form N2 × NT matrix Y . 現在、画像フレームのF列を合わせてN2×NT行列Yを形成する。 0.61
Let the N2 × (F − 1) dimensional matrix formed from the first (F − 1) frames be Y1 and the last (F − 1) frames be Y2, i.e. 最初の (F − 1) フレームから形成された N2 × (F − 1) 次元行列を Y1 とし、最後の (F − 1) フレームを Y2 とする。 0.91
(cid:104) Ik(cid:105) (cid:104) Ik(cid:105) 0.78
−→ (cid:104) X k(cid:105) (cid:2)X 1|X 2|...|X NT(cid:3) −→ [Y ]N2×NT X 1|X 2|...|X (NT−1)(cid:105) −→ [Y1]N2×(NT−1) (cid:104) (cid:2)X 2|X 3|...|X NT(cid:3) −→ [Y2]N2×(NT−1) −→ (cid:104) X k(cid:105) (cid:2)X 1|X 2|...|X NT(cid:3) −→ [Y ]N2×NT X 1|X 2|...|X (NT−1)(cid:105) −→ [Y1]N2×(NT−1) (cid:104) (cid:2)X 2|X 3|...|X NT(cid:3) −→ [Y2]N2×(NT−1) 0.67
N×N N2×1 (9) N×N N2×1 (9) 0.72
We find the singular value decomposition (SVD) of the matrix Y1, such that Y1 = UΣV∗, where U is a N2 × N2 complex unitary matrix, Σ is an N2 × (F − 1) rectangular diagonal matrix with non-negative real numbers on the diagonal, and V is a (F − 1)× (F − 1) real or complex unitary matrix. 行列 Y1 の特異値分解 (SVD) は、 U が N2 × N2 複素ユニタリ行列である Y1 が N2 × (F − 1) 長方形の対角行列であり、V が (F − 1) × (F − 1) 実あるいは複素のユニタリ行列であるような、Y1 の特異値分解 (SVD) を見出す。 0.74
Now choose a lower dimensional SVD matrices made up of first nT (<< F ) columns, represented by ˜U, ˜V , and the first 次に、最初の nT (<< F ) 列からなるより低い次元の SVD 行列を選びます。
訳抜け防止モード: さて、最初の nT ( < F ) 列からなる下位次元の SVD 行列を選択する。 U,V,Vで表され,最初に表される
0.84
nT × nT block of Σ as ˜Σ. Σ の nT × nT ブロックは Σ である。 0.88
Define a matrix nT × nT matrix A as 行列 nT × nT 行列 A を定義する。 0.74
A = ˜U∗ Y2 ˜V ˜Σ−1 A = >U∗ Y2 >V >Σ−1 0.49
Then the dynamic modes are the N2 × 1 eigenvectors of matrix A that is rearranged into N × N matrix. 次に、動的モードは、N × N 行列に再配置される行列 A の N2 × 1 固有ベクトルである。 0.80
C Movies The movies referred to in the text are available in the additional materials. C Movies テキストで言及された映画は、追加資料で利用できます。 0.78
C.1 See "Vid1.mp4" C.2 See "Vid2.mp4" C.1 "Vid1.mp4" C.2 "Vid2.mp4" 0.55
(10) 7/9 (10) 7/9 0.72
英語(論文から抽出)日本語訳スコア
References 1. Beron-Vera, F. J., Olascoaga, M. J., Goni, G. J. 参照1。 Beron-Vera, F. J., Olascoaga, M. J., Goni, G. J. 0.78
(2008), "Oceanic mesoscale eddies as revealed by Lagrangian coherent (2008年) "oceanic mesoscaledies as revealed by lagrangian coherent 0.66
structures", Geophysical Research Letters, 35(12). 英題:structures, geophysical research letters, 35(12)。 0.82
2. Mezi´c, I., Loire, S., Fonoberov, V. A., Hogan, P. (2010), "A new mixing diagnostic and Gulf oil spill movement", Science, 2. Mezi ́c, I., Loire, S., Fonoberov, V. A., Hogan, P. (2010), "A new mixed diagnosis and Gulf oil spill movement", Science, 0.87
330(6003), 486-489. 330(6003), 486-489. 0.96
3. Nencioli, F., d’Ovidio, F., Doglioli, A. M., Petrenko, A. 3. Nencioli, F., d’Ovidio, F., Doglioli, A. M., Petrenko, A. 0.87
A. (2011), "Surface coastal circulation patterns by in-situ detection A。 (2011)「その場検出による表層沿岸循環パターン」 0.80
of Lagrangian coherent structures", Geophysical Research Letters, 38(17). ラグランジュのコヒーレントな構造について」(Geophysical Research Letters, 38(17)。 0.76
4. Olascoaga, M. J., Haller, G. (2012), "Forecasting sudden changes in environmental pollution patterns", Proceedings of the 4. Olascoaga, M.J., Haller, G. (2012), "環境汚染パターンの突然の変化を予測します。 0.80
National Academy of Sciences, 109(13), 4738-4743. 国立科学アカデミー、109(13)、4738-4743。 0.71
5. Tang, W., Knutson, B., Mahalov, A., Dimitrova, R. (2012), "The geometry of inertial particle mixing in urban flows, from 5. Tang, W., Knutson, B., Mahalov, A., Dimitrova, R. (2012), "都市の流れにおける慣性粒子混合の幾何学, from 0.86
deterministic and random displacement models", Physics of Fluids, 24(6), 063302. 決定論的およびランダムな変位モデル”, Physics of fluids, 24(6), 063302。 0.81
6. Natusch, D. F. S., Wallace, J. R., Evans, C. A. 6. Natusch, D. F. S., Wallace, J. R., Evans, C. A. 0.90
(1974), "Toxic trace elements: preferential concentration in respirable (1974)「毒性微量元素:呼吸性における優先濃度 0.80
particles", Science, 183(4121), 202-204. 粒子」、科学、183 (4121)、202-204。 0.79
7. Espinosa-Gayosso, A., Ghisalberti, M., Ivey, G. N., Jones, N. L. (2015), "Density-ratio effects on the capture of suspended 7. Espinosa-Gayosso, A., Ghisalberti, M., Ivey, G.N., Jones, N.L. (2015), "Density-Ratio Effect on the capture of suspended 0.90
particles in aquatic systems", Journal of Fluid Mechanics, 783, 191-210. 水系の粒子」、流体力学ジャーナル、783、191-210。 0.58
8. Shaw, R. A., Reade, W. C., Collins, L. R., Verlinde, J. 8. Shaw, R. A., Reade, W. C., Collins, L. R., Verlinde, J. 0.91
(1998), "Preferential concentration of cloud droplets by turbulence: Effects on the early evolution of cumulus cloud droplet spectra", Journal of the atmospheric sciences, 55(11), 1965-1976. (1998), “Preferential concentration of cloud droplet by turbulence: Effects on the early evolution of cumulus cloud droplet spectra”. Journal of the atmosphere sciences, 55(11), 1965-1976. 0.84
9. Sapsis, T., Haller, G. (2009), "Inertial particle dynamics in a hurricane", Journal of Atmospheric Sciences, 66(8), 2481-2492. 9. Sapsis, T., Haller, G. (2009), "Inertial Particle Dynamics in a hurricane", Journal of Atmospheric Sciences, 66(8), 2481-2492. 0.84
10. Haszpra, T., Tél, T. (2011). 10. Haszpra, T., Tél, T. (2011)。 0.86
"Volcanic ash in the free atmosphere: A dynamical systems approach." 「自由大気中の火山灰:力学系アプローチ」 0.46
Journal of Physics- Journal of Physics- 0.94
Conference Series (Vol. カンファレンスシリーズ(Vol)。 0.70
333, No. 1, p. 012008). 333号。 1、p.012008)。 0.67
11. Mittal, R., Ni, R., Seo, J. 11. Mittal、R.、Ni、R.、Seo、J。 0.85
(2020). "The flow physics of COVID-19," Journal of Fluid Mechanics, 894, F2. (2020). 『covid-19のフロー物理』、journal of fluid mechanics, 894, f2。 0.79
12. Cummins, C. P., Ajayi, O. J., Mehendale, F. V., Gabl, R., Viola, I. M. (2020). 12. Cummins, C. P., Ajayi, O. J., Mehendale, F. V., Gabl, R., Viola, I. M. (2020)。 0.92
"The dispersion of spherical droplets in source–sink flows and their relevance to the COVID-19 pandemic," Physics of Fluids, 32(8), 083302. 「球状液滴の分散」 ソースシンクの流れとCOVID-19パンデミックとの関連性について」とSilsics of Fluids, 32(8), 083302。 0.69
13. Verma, A. K., Bhatnagar, A., Mitra, D., Pandit, R. (2020). 13. Verma, A. K., Bhatnagar, A., Mitra, D., Pandit, R. (2020)。 0.88
"First-passage-time problem for tracers in turbulent flows applied 「乱流トレーサの第一通過時間問題」の適用 0.66
to virus spreading," Physical Review Research, 2(3), 033239. ウイルスの拡散について」 フィジカル・レビュー・リサーチ, 2(3), 033239。 0.78
14. Contini, D., Costabile, F. (2020), "Does Air Pollution Influence COVID-19 Outbreaks? 14. Contini, D., Costabile, F. (2020), "大気汚染はCOVID-19のアウトブレイクに影響を及ぼすか? 0.79
",mdpi.com 15. は、mdpi.com 15。 0.65
Abuhegazy, M., Talaat, K., Anderoglu, O., Poroseva, S. V. (2020), "Numerical investigation of aerosol transport in a Abuhegazy, M., Talaat, K., Anderoglu, O., Poroseva, S. V. (2020) 「大気中のエアロゾル輸送に関する数値的研究」 0.88
classroom with relevance to COVID-19," Physics of Fluids, 32(10), 103311. 新型コロナと関連性のある教室」、流体物理学32(10)、103311。 0.49
16. Sapsis, T., Haller, G. (2010). 16. Sapsis, T., Haller, G. (2010)。 0.87
"Clustering criterion for inertial particles in two-dimensional time-periodic and three- 「二次元時周期・三次元慣性粒子のクラスタリング基準-」 0.81
dimensional steady flows," Chaos: An Interdisciplinary Journal of Nonlinear Science, 20(1), 017515. 次元定常流"chaos: a interdisciplinary journal of nonlinear science, 20(1), 017515。 0.63
17. Maxey, M. R., Riley, J. J. 17. Maxey, M. R., Riley, J. J. 0.92
(1983). "Equation of motion for a small rigid sphere in a nonuniform flow. (1983). 「不均一な流れにおける小さな剛体球の運動方程式。」 0.84
", The Physics of Fluids, 26(4), 883-889. 「物理です。」 流体, 26(4), 883-889。 0.70
18. Bec, J. 18. bec、j。 0.77
(2003). "Fractal clustering of inertial particles in random flows", Physics of fluids, 15(11), L81-L84. (2003). 「無作為流中における慣性粒子のフラクタルクラスタリング」流体物理15(11), l81-l84。 0.84
19. J. Bec, L. Biferale, M. Cencini, A. Lanotte, S. Musacchio, and F. Toschi, (2007), “Heavy particle concentration in 19. J. Bec, L. Biferale, M. Cencini, A. Lanotte, S. Musacchio, F. Toschi, (2007), “Heavy Particle concentration in” 0.90
turbulence at dissipative and inertial scales,” Phys. 散発的および慣性スケールでの乱流」とPhysは言う。 0.68
Rev. Lett. 98(8), 084502. Rev Lett! 98(8), 084502. 0.64
20. Ravichandran, S., Govindarajan, R. (2015). 20. Ravichandran, S., Govindarajan, R. (2015)。 0.87
"Caustics and clustering in the vicinity of a vortex", Physics of Fluids, 27(3), 「渦近傍の因果関係とクラスター化」流体物理学27(3) 0.51
033305. 21. 033305. 21. 0.85
Adrian, R.J.; Westerweel, J. Adrian, R.J.; Westerweel, J 0.92
(2011). "Particle Image Velocimetry." (2011). 『粒子画像速度測定』 0.73
Cambridge University Press. ケンブリッジ大学出版局。 0.68
ISBN 978-0-521-44008-0. ISBN 978-0-521-44008-0。 0.38
22. Healy, D. P., Young, J. 22. Healy, D. P., Young, J。 0.88
B. (2005). B。 (2005). 0.80
"Full Lagrangian methods for calculating particle concentration fields in dilute gas-particle 希薄ガス粒子中の粒子濃度場計算のためのフルラグランジアン法 0.76
flows", Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, 461(2059), 2197-2225. the royal society a: mathematical, physical and engineering sciences, 461(2059), 2197-2225 の略。 0.59
23. Schmid, P. J., Li, L., Juniper, M. P., Pust, O. 23. Schmid, P. J., Li, L., Juniper, M. P., Pust, O。 0.88
(2011). "Applications of the dynamic mode decomposition". (2011). 「動的モード分解の応用」 0.72
Theoretical and Computational Fluid Dynamics, 25(1-4), 249-259. 理論と 計算流体力学 25(1-4), 249-259。 0.76
24. Schmid, P. J. 24. Schmid、P.J。 0.87
(2010). "Dynamic mode decomposition of numerical and experimental data". (2010). 「数値・実験データの動的モード分解」 0.76
Journal of fluid mechanics, 656, journal of fluid mechanics, 656頁。 0.80
5-28. 25. Kutz, J. N., Brunton, S. L., Brunton, B. W., Proctor, J. L. (2016). 5-28. 25. Kutz, J. N., Brunton, S. L., Brunton, B. W., Proctor, J. L. (2016)。 0.84
"Dynamic mode decomposition: data-driven modeling of 「動的モード分解:データ駆動モデリング」 0.81
complex systems." Society for Industrial and Applied Mathematics. 複雑なシステム」。 産業数学と応用数学の学会。 0.79
8/9 8/9 0.59
英語(論文から抽出)日本語訳スコア
26. Tu, J. H., Rowley, C. W., Luchtenburg, D. M., Brunton, S. L., Kutz, J. N. (2013). 26. Tu, J. H., Rowley, C. W., Luchtenburg, D. M., Brunton, S. L., Kutz, J. N. (2013)。 0.90
"On dynamic mode decomposition: 「動的モード分解について」 0.79
Theory and applications." arXiv preprint arXiv:1312.0041. 理論と応用」。 arXiv preprint arXiv:1312.0041 0.73
27. W. Young, A. Pumir, and Y. Pomeau, (1989), "Anomalous diffusion of tracer in convection rolls," Phys. 27. W. Young, A. Pumir, and Y. Pomeau, (1989), "Anomalous diffusion of tracer in convection rolls", Phys。 0.84
Fluids A 1, 462. 流体 A 1, 462。 0.69
28. A. Sarracino, F. Cecconi, A. Puglisi, and A. Vulpiani, (2016), "Nonlinear Response of Inertial Tracers in Steady Laminar 28. A. Sarracino, F. Cecconi, A. Puglisi, A. Vulpiani, (2016), "Stady Laminarにおける慣性トレーサの非線形応答 0.86
Flows: Differential and Absolute Negative Mobility," Phys. Flows: Differential and Absolute Negative Mobility”. Phys. 0.84
Rev. Lett. 117, 174501. Rev Lett! 117, 174501. 0.67
29. P. Tabeling, (2002), "Two-dimensional turbulence: A physicist approach," Phys. 29. p. tabeling, (2002), "two-dimensional turbulence: a physicist approach", phys. (英語) 0.85
Rep. 362, 1. 背番号362, 1。 0.75
30. M. Wilkinson and B. Mehlig, (2005), “Caustics in turbulent aerosols,” Europhys. 30. M. Wilkinson and B. Mehlig, (2005), “Caustics in turbulent aerosols”. Europhys. 0.87
Lett. 71(2), 186–192. Lett! 71(2), 186–192. 0.80
31. M. Wilkinson, B. Mehlig, and V. Bezuglyy, (2006), “Caustic activation of rain showers,” Phys. 31. M. Wilkinson, B. Mehlig, and V. Bezuglyy, (2006), “Caustic activation of rain showers”, Phys。 0.85
Rev. Lett. 97(4), 048501. Rev Lett! 97(4), 048501. 0.64
32. K. Gustavsson, E. Meneguz, M. Reeks, and B. Mehlig, (2012), “Inertial-particle dynamics in turbulent flows: Caustics, 32. K. Gustavsson, E. Meneguz, M. Reeks, B. Mehlig, (2012), “Inertial- Particle dynamics in turbulent flow: Caustics,” 0.90
concentration fluctuations and random uncorrelated motion,” New J. Phys. 濃度変動とランダムな無相関運動」とNew J. Physは言う。 0.69
14(11), 115017. 14(11), 115017. 0.74
33. Wang, L. P., Maxey, M. R., Burton, T. D., Stock, D. E. (1992). 33. Wang, L. P., Maxey, M. R., Burton, T. D., Stock, D. E. (1992)。 0.90
"Chaotic dynamics of particle dispersion in fluids. 「流体中の粒子分散のカオスダイナミクス」 0.81
", Physics of Fluids A: Fluid Dynamics, 4(8), 1789-1804. 「物理学」 流体のA:流体力学、4(8)、1789-1804。 0.72
34. Taira, K., Brunton, S. L., Dawson, S. T., Rowley, C. W., Colonius, T., McKeon, B. J., Ukeiley, L. S. (2017). 34. Taira, K., Brunton, S. L., Dawson, S. T., Rowley, C. W., Colonius, T., McKeon, B. J., Ukeiley, L. S. (2017)。 0.92
"Modal analysis of fluid flows: An overview." 「形式」 a overview of fluid flow: a overview (英語) 0.63
Aiaa Journal, 55(12), 4013-4041. Aiaa Journal, 55(12), 4013-4041。 0.86
35. P.J. Schmid. 35. P.J. Schmid 0.70
(2010), "Dynamic mode decomposition of numerical and experimental data." (2010年) "dynamic mode decomposition of numerical and experimental data" 0.73
Journal of Fluid Mechanics 656.1, 5–28. 流体力学ジャーナル 656.1, 5–28. 0.59
36. Adam Helman, (2005), "The Finest Peaks–Prominence and Other Mountain Measures". 36. Adam Helman, (2005), "The Finest Peaks–Prominence and Other Mountain Measures". (英語) 0.90
37. B. Jähne, H. Scharr, and S. Körkel. 37. b. jähne、h. scharr、s. körkel。 0.78
(1999), "Principles of filter design," In Handbook of Computer Vision and Applications. (1999) "Principles of filter design", Handbook of Computer Vision and Applications 0.62
Academic Press. アカデミック・プレス。 0.70
38. Shapiro, Linda G., Stockman, George C. (2001). 38. Shapiro, Linda G., Stockman, George C. (2001)。 0.86
"Computer Vision". 「コンピュータビジョン」。 0.74
Prentice Hall. Prentice Hall 0.58
pp. 53–54. pp. 53–54. 0.78
ISBN 978-0130307965. ISBN 978-0130307965。 0.76
Acknowledgements This work is supported by Board of Research in Nuclear Sciences (BRNS Sanctioned no. この研究は、原子力科学研究委員会 (BRNS Sanctioned No) が支援している。 0.75
39/14/05/2018-BRNS), Science and Engineering Research Board EMEQ program (SERB Sanctioned no. 39/14/05/2018-BRNS, Science and Engineering Research Board EMEQ Program (SERB Sanctioned No。 0.73
EEQ/2017/000164), Infosys Foundation Young Investigator Award, and IISc startup grant. EEQ/2017/000164、Infosys Foundation Young Investigationigator Award、IISc Startup grant。 0.80
We thank Rahul Pandit for valuable inputs. Rahul Panditの貴重な入力に感謝します。 0.61
JKA acknowledges useful discussions with Akhilesh Kumar Verma. JKAはAkhilesh Kumar Verma氏との有益な議論を認めている。 0.54
Author contributions statement J.K.A, S.S., and A.K. 著者の貢献声明 J.K.A, S.S., A.K。 0.54
conceived the problem. O.S. 問題を思いついた O.S. 0.66
and J.K.A. performed simulations. J.K.A. シミュレーションを行いました 0.57
All authors analysed the results. すべての著者が結果を分析した。 0.59
O.S. and J.K.A. O.S. J.K.A. 0.61
wrote the main manuscript text. 原稿の本文を書きました 0.62
All authors reviewed the manuscript. すべての著者が原稿をレビューした。 0.55
Additional information Corresponding author Correspondence to Jaya Kumar Alageshan (jkumar.res@gmail.co m). jaya kumar alageshan (jkumar.res@gmail.co m) に対応する追加情報。 0.72
Competing interests The authors declare no competing interests. 競合する利益 著者は競合する利益を宣言しません。 0.58
9/9 9/9 0.59
                   ページの最初に戻る

翻訳にはFugu-Machine Translatorを利用しています。