MétaCan
Menu
Retour à la cohorte
Enregistrement W4211136048 · doi:10.1201/9781003188339-72

The fast multipole method for the computation of large-scale three-dimensional elastostatics boundary-element problems in underground excavations

2021· book-chapter· en· W4211136048 sur OpenAlexaff
H. Wahanik, S. Moallemi, J.H. Curran, Thamer Yacoub, Brent T. Corkum

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueElectromagnetic Simulation and Numerical Methods
Établissements canadiensRocscience (Canada)
Organismes subventionnairesnon disponible
Mots-clésFast multipole methodMultipole expansionBoundary element methodComputationComputational scienceComputer scienceMatrix (chemical analysis)Boundary (topology)Collocation (remote sensing)Range (aeronautics)Finite element methodApplied mathematicsAlgorithmMathematicsPhysicsMathematical analysisStructural engineeringEngineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

We present the theoretical and computational implementation of an original version of the Fast Multipole Method (FMM) for solving large-scale problems in 3D elastostatics based on the indirect boundary integral fictitious formulation. The conventional boundary element method with N collocation nodes, translates into solving a dense and non-symmetric system of equations, with computational complexity O(N2). Additionally, for large models, storing the system’s matrix in random-access memory (RAM) is intractable, requiring storing sections of the matrix in hard disk. This creates an important burden towards computational cost. The FMM is inspired on the intuitive idea of collecting influences (e.g., gravitational, electromagnetic, acoustic, elastic) from close sources into a single source, using approximations with the flavor of a Taylor expansion. We illustrate the power of the method applied in computing 3D elastostatics models for real-world excavations, running within Rocscience modelling software, where important speed-ups were observed for a wide range of models ranging from 100K up to 1M elements.

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)0,001
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,646

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 GPT0,298
Écart entre enseignants0,275 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectromagnetic Simulation and Numerical MethodsTravaux en français237 207