Steady three-dimensional turbulent flow computations with a parallel Newton-Krylov-Schur algorithm
Notice bibliographique
Résumé
We present computations of steady three-dimensional turbulent flows with a parallel Newton-Krylov-Schur solution algorithm. The algorithm solves the Reynolds-Averaged Navier-Stokes equations coupled with the Spalart-Allmaras one-equation turbulence model, with the optional use of quadratic constitutive relations. The governing equations are discretized on multi-block structured grids using summation-by-parts operators with simultaneous approximation terms to enforce boundary and block interface conditions. We present a discussion on algorithm performance metrics, including speed, accuracy, and efficiency, and suggest several metrics which can be used for algorithm comparisons, such as convergence time, equivalent right-hand-side evaluations, computing time per grid node, and time required to reach specific functional error levels as compared to grid-converged values. The suggested metrics are applied to the current algorithm in the solution of subsonic and transonic flows around the ONERA M6 and NASA Common Research Model geometries. The results show effective algorithm convergence as grid resolution is increased, converging the residual by 12 orders of magnitude for all cases. A third geometry, based on the 1st AIAA High Lift Prediction Workshop delta wing configuration, provides difficulty in obtaining full convergence, leveling the residual off at a reduction of 4 to 5 orders of magnitude. However, the partially converged solutions show excellent agreement of lift and drag coefficients with experimental data in the angle of attack range of 1 to 40.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».