Overview of the 2018 Workshop on Iterative Errors in Unsteady Flow Simulations
Notice bibliographique
Résumé
Abstract Two workshops were held at the ASME V&V Symposiums of 2017 and 2018 dedicated to Iterative Errors in Unsteady Flow Simulations. The focus was on the effect of iterative errors on numerical simulations performed with implicit time integration, which require the solution of a nonlinear set of equations at each time-step. The main goal of these workshops was to create awareness to the problem and to confirm that different flow solvers exhibited the same trends. The test case was a simple two-dimensional, laminar flow of a single-phase, incompressible, Newtonian fluid around a circular cylinder at the Reynolds number of 100. A set of geometrically similar multiblock structured grids was available and boundary conditions to perform the simulations were proposed to the participants. Results from seven flow solvers were submitted, but not all of them followed exactly the proposed conditions. One set of results was obtained with adaptive grid and time refinement using triangular elements (CADYF) and another used a compressible flow solver with a dual time stepping technique and a Mach number of 0.2 (DLR-Tau). The remaining five submissions were obtained with five different incompressible flow solvers (ansyscfx 14.5, pimplefoam, refresco, saturne, starccm+ v12.06.010-R8) using implicit time integration in the proposed grids. The results obtained in this simple test case showed that iterative errors may have a significant impact on the numerical accuracy of unsteady flow simulations performed with implicit time integration. Iterative errors can be significantly larger (one to two orders of magnitude) than the residuals and/or solution changes used as convergence criteria at each time-step. The Courant number affected the magnitude of the iterative errors obtained in the proposed exercise. For the same iterative convergence criteria at each time-step, increasing the Courant number tends to increase the iterative error.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,025 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».