Data Compression Algorithms for Adjoint Based Sensitivity Studies of Unsteady 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
Adjoint based sensitivity studies are effective means to understand how flow quantities of interest and grid quality could affect the flow simulations. However, applying an unsteady adjoint method to three-dimensional complex flows remains a challenging topic. One of the challenges is that the flow variables at all previous time steps will be needed when solving the unsteady adjoint equation backwards in time. The straightforward treatment of storing all the previous flow solutions could be prohibitive for simulations with a large number of grid points and time steps. To avoid storing the full trajectory, the checkpointing method only stores the flow solutions at some carefully selected time steps called checkpoints, and re-computes the flow solutions between checkpoints when they are needed by the adjoint solver. However, the re-computation increases the computational cost by multiple times of the cost of solving the flow equations, which may be unacceptable for some applications. Alternatively, in this study, several data compression algorithms with much less extra cost were considered for alleviating the storage problem. In these data compression algorithms, the full flow solutions were projected onto a small set of bases which were either generated by the proper orthogonal decomposition (POD) method or by the Gram-Schmidt orthogonalization. Only a small set of bases and corresponding expansion coefficients need to be stored and they could recover the flow solutions at every time step with reasonable accuracy. The data compression algorithms were implemented in the numerical test cases, and the computed adjoint solutions were compared with that obtained by using full flow solutions. The comparisons demonstrated that the data compression algorithms were able to greatly reduce the storage requirements while maintaining sufficient accuracy.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 découle