High-Order Implicit Time-Marching Methods Based on Generalized Summation-By-Parts Operators
Notice bibliographique
Résumé
This article extends the theory of classical finite-difference summation-by-parts (FD-SBP) time-marching methods to the generalized summation-by-parts (GSBP) framework. Dual-consistent GSBP time-marching methods are shown to retain A- and L-stability, as well as superconvergence of integral functionals when integrated with the quadrature associated with the discretization. This also implies that the solution approximated at the end of each time step is superconvergent. In addition, GSBP time-marching methods constructed with a diagonal norm are BN-stable. This article also formalizes the connection between FD-SBP/GSBP time-marching methods and implicit Runge--Kutta methods. Through this connection, the minimum accuracy of the solution approximated at the end of a time step is extended for nonlinear problems. It is also exploited to derive conditions under which nonlinearly stable GSBP time-marching methods can be constructed. The GSBP approach to time marching can simplify the construction of high-order fully implicit Runge--Kutta methods with a particular set of properties favorable for stiff initial value problems, such as L-stability. It can facilitate the analysis of fully discrete approximations to PDEs and is amenable to multidimensional space-time discretizations, in which case the explicit connection to Runge--Kutta methods is often lost. A few examples of known and novel Runge--Kutta methods associated with GSBP operators are presented. The novel methods, all of which are L-stable and BN-stable, include a four-stage seventh-order fully implicit method, a three-stage third-order diagonally implicit method, and a fourth-order four-stage diagonally implicit method. The relative efficiency of the schemes is investigated and compared with a few popular non-GSBP Runge--Kutta methods.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».