Goal‐oriented model reduction of parametrized nonlinear partial differential equations: Application to aerodynamics
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
Summary We introduce a goal‐oriented model reduction framework for rapid and reliable solution of parametrized nonlinear partial differential equations with applications in aerodynamics. Our goal is to provide quantitative and automatic control of various sources of errors in model reduction. Our framework builds on the following ingredients: a discontinuous Galerkin finite element (FE) method, which provides stability for convection‐dominated problems; reduced basis (RB) spaces, which provide rapidly convergent approximations; the dual‐weighted residual method, which provides effective output error estimates for both the FE and RB approximations; output‐based adaptive RB snapshots; and the empirical quadrature procedure (EQP), which hyperreduces the primal residual, adjoint residual, and output forms to enable online‐efficient evaluations while providing quantitative control of hyperreduction errors. The framework constructs a reduced model which provides, for parameter values in the training set, output predictions that meet the user‐prescribed tolerance by controlling the FE, RB, and EQP errors; in addition, the reduced model equips, for any parameter value, the output prediction with an effective, online‐efficient error estimate. We demonstrate the framework for parametrized aerodynamics problems modeled by the Reynolds‐averaged Navier‐Stokes equations; reduced models provide over two orders of magnitude online computational reduction and sharp error estimates for three‐dimensional flows.
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 | 0,000 |
| 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