MétaCan
Menu
Retour à la cohorte
Enregistrement W4313591746 · doi:10.1109/jmmct.2022.3233944

A Systematic Approach to Adaptive Mesh Refinement for Computational Electrodynamics

2023· article· en· W4313591746 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueIEEE journal on multiscale and multiphysics computational techniques · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Aeronautics and Space Administration
Mots-clésAdaptive mesh refinementComputer scienceComputational science

Résumé

récupéré en direct d'OpenAlex

There is a great need to solve CED problems on adaptive meshes; referred to here as AMR-CED. The problem was deemed to be susceptible to “long-term instability” and parameterized methods have been used to control the instability. In this paper, we present a new class of AMR-CED methods that are free of this instability because they are based on a more careful understanding of the constraints in Maxwell's equations and their preservation on a single control volume. The important building blocks of these new methods are: 1) Timestep sub-cycling of finer child meshes relative to parent meshes. 2) Restriction of fine mesh facial data to coarser meshes when the two meshes are synchronized in time. 3) Divergence constraint-preserving prolongation of the coarse mesh solution to newly built fine meshes or to the ghost zones of pre-existing fine meshes. 4) Electric and magnetic field intensity-correction strategy at fine-coarse interfaces. Using examples, we show that the resulting AMR-CED algorithm is free of “long-term instability”. Unlike previous methods, there are no adjustable parameters. The method is inherently stable because a strict algorithmic consistency is applied at all levels in the AMR mesh hierarchy. We also show that the method preserves order of accuracy, so that high order methods for AMR-CED are indeed possible.

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.

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: aucune
Score de désaccord entre enseignants0,662
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 ouverte0,0000,000
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 Opus0,014
Tête enseignante GPT0,253
Écart entre enseignants0,239 · 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