MétaCan
Menu
Retour à la cohorte
Enregistrement W4386601222 · doi:10.22541/essoar.169444235.56582698/v1

The impact of velocity update frequency on time accuracy for mantle convection particle methods

2023· preprint· en· W4386601222 sur OpenAlexafffund
S. J. Trim, S. L. Butler, Raymond J. Spiteri

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueFluid Dynamics Simulations and Interactions
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputationAdvectionIsothermal processApplied mathematicsConvectionComputer scienceProcess (computing)Mathematical optimizationMechanicsAlgorithmMathematicsPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Computing the velocity field is an expensive process for mantle convection codes. This has implications for particle methods used to model the advection of quantities such as temperature or composition. A common choice for the numerical treatment of particle trajectories is classical fourth-order Runge–Kutta (ERK4) integration, which involves a velocity computation at each of its four stages. To reduce the cost per time step, it is possible to evaluate the velocity for a subset of the four time integration stages. We explore two such alternative schemes, in which velocities are only computed for: a) stage 1 on odd-numbered time steps and stages 2–4 for even-numbered time steps, and b) stage 1 for all time steps. A theoretical analysis of stability and accuracy is presented for all schemes. It was found that the alternative schemes are first-order accurate with stability regions different from that of ERK4. The efficiency and accuracy of the alternate schemes were compared against ERK4 in four test problems covering isothermal, thermal, and thermochemical flows. Exact solutions were used as reference solutions when available. In agreement with theory, the alternate schemes were observed to be first-order accurate for all test problems. Accordingly, they may be used to efficiently compute solutions to within modest error tolerances. For small error tolerances, however, ERK4 was the most efficient.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,736
Score d'incertitude au seuil0,391

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 Opus0,040
Tête enseignante GPT0,380
Écart entre enseignants0,339 · 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
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

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetFluid Dynamics Simulations and InteractionsTravaux en français237 207