MétaCan
Menu
Retour à la cohorte
Enregistrement W1977737476 · doi:10.1137/130927504

Relaxing the CFL Number of the Discontinuous Galerkin Method

2014· article· en· W1977737476 sur OpenAlexaff
Noel Chalmers, Lilia Krivodonova, Rui Qin

Notice bibliographique

RevueSIAM Journal on Scientific Computing · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSuperconvergenceMathematicsDiscontinuous Galerkin methodCourant–Friedrichs–Lewy conditionConservation lawDiscretizationStencilDissipationNorm (philosophy)Mathematical analysisExponential functionApplied mathematicsFinite element methodPhysicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

We propose a family of high order methods for the solution of hyperbolic conservation laws which are based on the discontinuous Galerkin (DG) spatial discretization. In the standard DG method, the dispersion and dissipation errors and the spectrum of the semidiscrete scheme are related to the $[\frac{p}{p+1}]$ Padé approximants of $\exp(z)$ and $\exp(-z)$. These Padé approximants are responsible for the superconvergent $\mathcal{O}(h^{2p+2})$ and $\mathcal{O}(h^{2p+1})$ errors in dispersion and dissipation, respectively, and the restriction of the CFL number when increasing the order of approximation, $p$. By modifying the DG method we obtain different rational approximations of the exponential, thereby sacrificing some of the superconvergence of the method, and construct new schemes which allow larger time steps than the original DG method, while having the same order of convergence in the $\mathcal{L}^2$ norm. This is achieved through modifications to the numerical flux. The schemes preserve the attractive properties of the usual DG method, such as the high order accuracy and compact stencil.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,248
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSIAM Journal on Scientific ComputingMême sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207