MétaCan
Menu
Retour à la cohorte
Enregistrement W2932209195 · doi:10.2118/193870-ms

Application of Algebraic Smoothing Aggregation Two Level Preconditioner to Multiphysical Fluid Flow Simulations in Porous Media

2019· article· en· W2932209195 sur OpenAlexfundno aff
Shihao Wang, Alexander A. Lukyanov, Yu‐Shu Wu

Notice bibliographique

RevueSPE Reservoir Simulation Conference · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Methods in Computational Mathematics
Établissements canadiensnon disponible
Organismes subventionnairesEnergi Simulation
Mots-clésPreconditionerSolverGeneralized minimal residual methodSmoothingMultigrid methodComputer scienceLinear systemApplied mathematicsBasis functionMathematical optimizationMathematicsComputational scienceAlgorithmIterative methodMathematical analysisPartial differential equation

Résumé

récupéré en direct d'OpenAlex

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.

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 enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,341
Écart entre enseignants0,288 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Reservoir Simulation ConferenceMême sujetAdvanced Numerical Methods in Computational MathematicsTravaux en français237 207