Point-based discretization of the mixed-potential RWG MoM via the Nystrom method
Notice bibliographique
Résumé
Summary form only given. Enforcing continuity of the approximated field between elements of the mesh can improve accuracy of a numerical solution as well as conditioning of its impedance matrix (M. Shafieipour, et. al., IEEE Trans. Antennas Propag., 99, 1-11, 2013). In the class of low-order solutions, Rao-Wilton-Glisson (RWG) basis functions are widely used in the numerical solution of electromagnetic scattering problems and they have been recently suggested in conjunction with first-order Locally Corrected Nystrom (LCN) method when solution of the Electric Field Integral Equation (EFIE) is perused (M. Shafieipour, et. al., IEEE Trans. Antennas Propag., 99, 1-11, 2013), resulting in a current-continuity-enforcing point-based discretization scheme (RWG-via-LCN) which can efficiently be accelerated by the Multilevel Fast Multipole Algorithm (MLFMA). However, it is known that the LCN method suffers from low-frequency breakdown (J. C. Young, et. al., IEEE Antennas. Wireless. Propag. Lett., 11, 846-849, 2012) when trying to solve for the EFIE as LCN discretizes the vector-potential EFIE as opposed to the mixed-potential EFIE. In this work we show that the RWG-via-LCN method inherits the low-frequency breakdown from the LCN method. As a remedy, we introduce a new RWGvia-LCN scheme which is a mixture of zerothand first-order discretization of the EFIE and we show that it is equivalent to the mixed-potential RWG MoM. The new method preserves all advantages of the RWG-via-LCN method (i.e. point-based and current-continuity-enforcing) and at the same time enjoys a wide-band solution and is computationally more efficient as it uses zeroth-order EFIE to compute the scalar potential contribution.
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 ».