MétaCan
Menu
Retour à la cohorte
Enregistrement W2883757377 · doi:10.1142/s0218202518500537

Error estimates for projection-based dynamic augmented Lagrangian boundary condition enforcement, with application to fluid–structure interaction

2018· article· en· W2883757377 sur OpenAlexaff
Yue Yu, David Kamensky, Ming‐Chen Hsu, Xin Lü, Yuri Bazilevs, Thomas J.R. Hughes

Notice bibliographique

RevueMathematical Models and Methods in Applied Sciences · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Methods in Computational Mathematics
Établissements canadiensLakehead UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésAugmented Lagrangian methodLagrange multiplierMathematicsProjection (relational algebra)Applied mathematicsProjection methodLipschitz continuityNonlinear systemVector fieldMathematical optimizationMathematical analysisDykstra's projection algorithmGeometryAlgorithm

Résumé

récupéré en direct d'OpenAlex

In this work, we analyze the convergence of the recent numerical method for enforcing fluid–structure interaction (FSI) kinematic constraints in the immersogeometric framework for cardiovascular FSI. In the immersogeometric framework, the structure is modeled as a thin shell, and its influence on the fluid subproblem is imposed as a forcing term. This force has the interpretation of a Lagrange multiplier field supplemented by penalty forces, in an augmented Lagrangian formulation of the FSI kinematic constraints. Because of the non-matching fluid and structure discretizations used, no discrete inf-sup condition can be assumed. To avoid solving (potentially unstable) discrete saddle point problems, the penalty forces are treated implicitly and the multiplier field is updated explicitly. In the present contribution, we introduce the term dynamic augmented Lagrangian (DAL) to describe this time integration scheme. Moreover, to improve the stability and conservation of the DAL method, in a recently-proposed extension we projected the multiplier onto a coarser space and introduced the projection-based DAL method. In this paper, we formulate this projection-based DAL algorithm for a linearized parabolic model problem in a domain with an immersed Lipschitz surface, analyze the regularity of solutions to this problem, and provide error estimates for the projection-based DAL method in both the [Formula: see text] and [Formula: see text] norms. Numerical experiments indicate that the derived estimates are sharp and that the results of the model problem analysis can be extrapolated to the setting of nonlinear FSI, for which the numerical method was originally proposed.

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)0,006
score de la tête « metaresearch » (Gemma)0,016
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,002
Science ouverte0,0020,005
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,037
Tête enseignante GPT0,409
Écart entre enseignants0,372 · 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
GenreMéthodes

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

En bref

Citations44
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Models and Methods in Applied SciencesMême sujetAdvanced Numerical Methods in Computational MathematicsTravaux en français237 207