MétaCan
Menu
Retour à la cohorte
Enregistrement W2982504341 · doi:10.1109/apusncursinrsm.2019.8888640

A Stable 3-D FDTD Method with Multiple Embedded Reduced-Order Models

2019· article· en· W2982504341 sur OpenAlex
Xinyue Zhang, Piero Triverio

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectromagnetic Simulation and Numerical Methods
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFinite-difference time-domain methodGridLimit (mathematics)Model order reductionComputer scienceApplied mathematicsStability (learning theory)Finite difference methodNumerical stabilityInstabilityAlgorithmComputational scienceMathematicsMathematical optimizationNumerical analysisMathematical analysisPhysicsGeometryOpticsMechanics

Résumé

récupéré en direct d'OpenAlex

The finite-difference time-domain (FDTD) method has been widely used for its versatility in solving electromagnetic problems. However, the computational efficiency of FDTD can be significantly reduced in subgridding schemes, where a locally refined grid is adopted in the spatial domain. An emerging approach to accelerate FDTD subgridding is model order reduction (MOR), which can be used to compress the update equations of the refined regions. However, reduced-order models can easily introduce instability when embedded into an FDTD grid. In this paper, we propose a systematic strategy to couple multiple reduced models to a 3-D FDTD grid with guaranteed stability under the Courant-Friedrichs-Lewy (CFL) limit of the fine grid. Furthermore, the CFL limit of the entire scheme can be extended with a perturbation of the reduced model coefficients, which can further improve computational efficiency. A numerical example with two reduced-order models indicates the potential of the proposed algorithm.

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 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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,345
Score d'incertitude au seuil0,999

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,267
Écart entre enseignants0,253 · 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