MétaCan
Menu
Retour à la cohorte
Enregistrement W4243976675 · doi:10.2514/6.2020-1048

Stability of Energy Stable Flux Reconstruction for the Diffusion Problem using Compact Numerical Fluxes on Quadrilateral Elements

2020· article· en· W4243976675 sur OpenAlexaff
Samuel Quaegebeur, Alexander Cicchino, Sivakumaran Nadarajah

Notice bibliographique

RevueAIAA Scitech 2020 Forum · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Methods in Computational Mathematics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDiscontinuous Galerkin methodMathematicsQuadrilateralStability (learning theory)Polygon meshNumerical stabilityGalerkin methodNumerical diffusionApplied mathematicsMathematical analysisConvection–diffusion equationDiffusionNumerical analysisFinite element methodComputer sciencePhysicsGeometryMechanics

Résumé

récupéré en direct d'OpenAlex

The flux reconstruction method has gained popularity in the research community as it recovers promising high-order methods through modally filtered correction fields, such as the Discontinuous Galerkin (DG) method, on unstructured grids over complex geometries. The attraction of the method follows with its stability proofs for the linear advection problem, under a class of energy stable flux reconstruction (ESFR) schemes also known as Vincent-Castonguay-Jameson-Huynh (VCJH) schemes. The proof has later been developed for the diffusion problem on triangular elements for Local Discontinuous Galerkin (LDG) and compact numerical fluxes such as the interior penalty (IP), the Bassi and Rebay II, the compact discontinuous Galerkin, or the compact discontinuous Galerkin 2 numerical fluxes. For the diffusion problem, on Cartesian meshes, the proof has been extended for the LDG numerical flux. This paper expands the proof for compact numerical fluxes, and demonstrates the stability’s independence on the correction parameter in the auxiliary equation for the IP and BR2 numerical fluxes. The conditions for stability restrict the values of the penalty term of the different schemes. These stability conditions are valid for any ESFR schemes including DG and are much sharper than previously known criteria.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,043
Tête enseignante GPT0,296
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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA Scitech 2020 ForumMême sujetAdvanced Numerical Methods in Computational MathematicsTravaux en français237 207