MétaCan
Menu
Retour à la cohorte
Enregistrement W4299891047 · doi:10.48550/arxiv.1303.5681

A Sharp-Interface Active Penalty Method for the Incompressible\n Navier-Stokes Equations

2013· preprint· en· W4299891047 sur OpenAlexfundno aff
David Shirokoff, Jean‐Christophe Nave

Notice bibliographique

RevuearXiv (Cornell University) · 2013
Typepreprint
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Methods in Computational Mathematics
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPenalty methodNavier–Stokes equationsCompressibilityConvergence (economics)Term (time)MathematicsFunction (biology)Applied mathematicsMathematical optimizationMathematical analysisPhysicsMechanics

Résumé

récupéré en direct d'OpenAlex

The volume penalty method provides a simple, efficient approach for solving\nthe incompressible Navier-Stokes equations in domains with boundaries or in the\npresence of moving objects. Despite the simplicity, the method is typically\nlimited to first order spatial accuracy. We demonstrate that one may achieve\nhigh order accuracy by introducing an active penalty term. One key difference\nfrom other works is that we use a sharp, unregularized mask function. We\ndiscuss how to construct the active penalty term, and provide numerical\nexamples, in dimensions one and two. We demonstrate second and third order\nconvergence for the heat equation, and second order convergence for the\nNavier-Stokes equations. In addition, we show that modifying the penalty term\ndoes not significantly alter the time step restriction from that of the\nconventional penalty method.\n

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,474
Score d'incertitude au seuil1,000

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 ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,136
Tête enseignante GPT0,288
Écart entre enseignants0,151 · 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.

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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetAdvanced Numerical Methods in Computational MathematicsTravaux en français237 207