A single-level implementation for a fast direct method of moments solver on electrically large scattering problems using a GPU based Reduced Singular Value Decomposition block LU factorization
Notice bibliographique
Résumé
In recent years there has been considerable advancement in solving large-scale electromagnetic scattering problems using fast direct solve techniques with the traditional Rao-Wilton-Glisson (RWG) Method of Moments (MoM) computational framework, and extensions to Higher Order Basis Functions (HOBF) over curvilinear elements. The direct solve techniques are typically formulated with compression algorithms such as Adaptive-Cross-Approximation (ACA/ACA+). Early attempts for PEC bodies on the CPU (J. Shaeffer, IEEE Trans. Ant. and Prop., vol. 56, no. 8, pp. 2306–2313, Aug. 2008) and dielectric composite bodies on both the CPU and GPU (M. A. Horn, T. N. Killian, and D. L. Faircloth, 2014 IEEE Ant. and Prop. Society International Symposium (APSURSI), Memphis, TN, 2014, pp. 1630–1631) implemented a Single-level (SL) block clustering scheme in which ACA/ACA+ is used for compression in both the fill and block LU factorization. More recent attempts implement Multi-level (ML) block clustering schemes utilizing hierarchical matrix (H -Matrix) theory (W. Chai and D. Jiao, 2010 IEEE Ant. and Prop. Society International Symposium (APSURSI), Toronto, ON, 2010, pp. 1–4). ML schemes rely on the compression preserving properties of the Reduced Singular Value Decomposition (rSVD) and thus do not employ ACA/ACA+ during block LU factorization.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».