MétaCan
Menu
Retour à la cohorte
Enregistrement W3108092304 · doi:10.1016/j.jcp.2020.110022

Accelerated implicit-explicit Runge-Kutta schemes for locally stiff systems

2020· article· en· W3108092304 sur OpenAlexafffund
Brian C. Vermeire, Siavash Hedayati Nasab

Notice bibliographique

RevueJournal of Computational Physics · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCompute Canada
Mots-clésAirfoilRunge–Kutta methodsApplied mathematicsMathematicsStability (learning theory)Bounded functionFlow (mathematics)Large eddy simulationMathematical optimizationTurbulenceComputer scienceNumerical analysisMathematical analysisGeometryMechanics

Résumé

récupéré en direct d'OpenAlex

In this paper we introduce a family of accelerated implicit-explicit (AIMEX) schemes for the solution of stiff systems of equations. Similar to conventional IMEX schemes, AIMEX schemes allow a problem to be split into its stiff and non-stiff constituent parts. These are then advanced in time using an implicit and explicit scheme, respectively. By design, AIMEX schemes have an arbitrarily large number of stages. This allows for optimization of the explicit part to improve its stability properties, increasing the allowable time step size. Importantly, only two implicit stages are required regardless of the total number of stages, meaning a larger global time step can be taken with significantly fewer implicit stages for a given simulation time. Numerical results demonstrate that AIMEX schemes achieve their designed order of accuracy for linear and non-linear problems involving mesh induced stiffness. Simulations of unsteady flow over an SD7003 airfoil using the compressible Navier-Stokes equations demonstrate that AIMEX schemes can significantly outperform classical explicit Runge-Kutta schemes by over a factor of 20, and conventional IMEX schemes by over a factor of two, with negligible impact on quantitative results. Finally, a demonstration case of Implicit Large Eddy Simulation (ILES) of flow over a stalled NACA0020 airfoil shows the utility of AIMEX schemes for wall-bounded turbulent 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.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,810
Score d'incertitude au seuil0,748

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)0,0000,000

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 Opus0,023
Tête enseignante GPT0,245
Écart entre enseignants0,222 · 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

Citations18
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Computational PhysicsMême sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207