Application of Algebraic Smoothing Aggregation Two Level Preconditioner to Multiphysical Fluid Flow Simulations in Porous Media
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
Abstract Traditionally, preconditioners are used to damp slowly varying error modes in the linear solver stage. State-of-the-art multilevel preconditioners use a sequence of aggressive restriction, coarse-grid correction and prolongation operators to handle low-frequency modes on the coarse grid. High-frequency errors are then resolved by employing a smoother on fine grid. In this paper, the algebraic smoothing aggregation two level preconditioner is implemented to solve different coupled problems. The proposed method generalizes the existing MsRSB and smoothing aggregation AMG methods. This method does not require any coarse partitioning and, hence, can be applied to general unstructured topology of the fine scale. Inspired by smoothing aggregation algebraic multigrid solver, the algebraic smoothing aggregation preconditioner constructs basis functions which allow mapping of some high-frequency modes from fine scale to low-frequency modes on the coarse scale. These basis functions are also used to reconstruct unknown primary variables at the fine scale using their approximations at the coarse level. The proposed preconditioner has been adopted to challenging multiphysical problems, including fully coupled simulation of filtration and geomechanics processes including non-isothermal fluid flow problems. The preconditioner provides a reasonably good approximation to the coupled physical processes and speeds up the convergence. Compared to traditional ILU0+GMRES linear solvers, our preconditioner with GMRES solver reduces the number of iterations by about 3 times. In addition, the proposed method obeys a good theoretical scalability essential for parallel simulations.
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 | 0,001 |
| 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 | 0,000 | 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