MétaCan
Menu
Retour à la cohorte
Enregistrement W2943332297 · doi:10.48550/arxiv.1905.01368

A Study of the Numerical Stability of an ImEx Scheme with Application to the Poisson-Nernst-Planck Equations

2019· preprint· en· W2943332297 sur OpenAlexaff
M. C. Pugh, David Yan, F.P. Dawson

Notice bibliographique

RevuearXiv (Cornell University) · 2019
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiqueQuantum, superfluid, helium dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEigenvalues and eigenvectorsSteady state (chemistry)Stability (learning theory)IntegratorBoundary (topology)Classification of discontinuitiesBoundary value problemConstraint (computer-aided design)MathematicsPoisson distributionApplied mathematicsPhysicsMathematical analysisControl theory (sociology)Computer scienceVoltageQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

The Poisson-Nernst-Planck equations with generalized Frumkin-Butler-Volmer boundary conditions (PNP-FBV) describe ion transport with Faradaic reactions and have applications in a wide variety of fields. Using an adaptive time-stepper based on a second-order variable step-size, semi-implicit, backward differentiation formula (VSSBDF2), we observe that when the underlying dynamics is one that would have the solutions converge to a steady state solution, the adaptive time-stepper produces solutions that "nearly" converge to the steady state and that, simultaneously, the time-step sizes stabilize at a limiting size $dt_\infty$. Linearizing the SBDF2 scheme about the steady state solution, we demonstrate that the linearized scheme is conditionally stable and that this is the cause of the adaptive time-stepper's behaviour. Mesh-refinement, as well as a study of the eigenvectors corresponding to the critical eigenvalues, demonstrate that the conditional stability is not due to a time-step constraint caused by high-frequency contributions. We study the stability domain of the linearized scheme and find that it can have corners as well as jump discontinuities.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,494
Score d'incertitude au seuil0,650

Scores Codex et Gemma par catégorie

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

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 Opus0,038
Tête enseignante GPT0,202
Écart entre enseignants0,164 · 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 tête enseignante, 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetQuantum, superfluid, helium dynamicsTravaux en français237 207