High-Order Finite-Volume Scheme with Anisotropic Adaptive Mesh Refinement: Efficient Inexact Newton Method for Steady Three-Dimensional Flows
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A high-order finite-volume method with anisotropic adaptive mesh refinement (AMR) is combined with a parallel inexact Newton method integration scheme and described for the solution of compressible fluid flows governed by Euler and Navier-Stokes equations on three-dimensional multi-block body-fitted hexahedral meshes.The proposed approach combines a family of robust and accurate high-order central essentially non-oscillatory (CENO) spatial discretization schemes with a scalable and efficient Newton-Krylov-Schwarz (NKS) algorithm and a block-based anisotropic AMR.The CENO scheme is based on a hybrid solution reconstruction procedure that provides high-order accuracy in smooth regions (even for smooth extrema) and non-oscillatory transitions at discontinuities.The implicit time stepping scheme is based on Newton's method where the set of linear systems are solved using the generalized minimal residual (GMRES) algorithm preconditioned by a domain-based additive Schwarz technique.The latter uses the domain decomposition provided by the block-based AMR scheme leading to a fully parallel implicit approach with an efficient scalability of the overall scheme.The anisotropic AMR method is based on a binary tree and hierarchical data structure to permit local anisotropic refinement of the grid in preferred directions as directed by appropriately specified physics-based refinement criteria.Application and numerical results will be discussed for several steady inviscid and viscous problems and the computational performance of the overall scheme is demonstrated for a range of fluid flows.
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle