MétaCan
Menu
Retour à la cohorte
Enregistrement W2621186390 · doi:10.2514/6.2017-3297

High-Order Finite-Volume Scheme with Anisotropic Adaptive Mesh Refinement: Efficient Inexact Newton Method for Steady Three-Dimensional Flows

2017· article· en· W2621186390 sur OpenAlexaff
Lucie Fréret, C. P. T. Groth, Thien Binh Nguyen, Hans De Sterck

Notice bibliographique

Revue23rd AIAA Computational Fluid Dynamics Conference · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFinite volume methodNewton's methodScheme (mathematics)Volume (thermodynamics)Adaptive mesh refinementComputer scienceApplied mathematicsOrder (exchange)Finite element methodMesh generationMathematical optimizationMathematicsMathematical analysisMechanicsComputational sciencePhysicsNonlinear system

Résumé

récupéré en direct d'OpenAlex

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,015
Tête enseignante GPT0,238
Écart entre enseignants0,222 · 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
GenreEmpirique

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

En bref

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue23rd AIAA Computational Fluid Dynamics ConferenceMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207