MétaCan
Menu
Retour à la cohorte
Enregistrement W4382241940 · doi:10.36227/techrxiv.23560692.v1

MultiAIM: Fast Electromagnetic Analysis of Multiscale Structures using Boundary Element Methods

2023· preprint· en· W4382241940 sur OpenAlexafffund
Yongzhong Li, Damian Marek, Piero Triverio

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueElectromagnetic Simulation and Numerical Methods
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCMC MicrosystemsAdvanced Micro Devices
Mots-clésFast Fourier transformFast multipole methodComputer scienceReduction (mathematics)AlgorithmComputational scienceAccelerationSplit-radix FFT algorithmProjection (relational algebra)Multipole expansionPrime-factor FFT algorithmFunction (biology)Boundary element methodFourier transformMathematicsFinite element methodGeometryFourier analysisPhysicsMathematical analysisShort-time Fourier transform

Résumé

récupéré en direct d'OpenAlex

Integral equation methods are extensively used for computational electromagnetism, and accelerated with fast multipole methods or, for problems in layered media, with the fast Fourier transform (FFT). Unfortunately, the efficiency of FFT-based acceleration can be dramatically reduced by the presence of multiscale features. We propose an efficient and robust algorithm to overcome this barrier. A hierarchy of grids of different resolution is used to simultaneously resolve sub-wavelength details and propagate fields efficiently across large distances with the FFT. Integration and pre-correction costs are minimized by adapting projection stencils to the size of each triangle and enabling the use of the quasi-static Green’s function for short distances. Finally, a clever implementation based on sparse matrices exploits empty areas to reduce computational cost and memory consumption. The method is fully automated, and was tested on several structures including layouts of commercial products. Compared to existing algorithms, we demonstrate a speed-up between 7.1 and 19.5 times and a reduction in memory consumption by up to 2.9 times.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,167
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,048
Tête enseignante GPT0,381
Écart entre enseignants0,333 · 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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetElectromagnetic Simulation and Numerical MethodsTravaux en français237 207