MétaCan
Menu
Retour à la cohorte
Enregistrement W4388551341 · doi:10.1007/s11075-023-01698-4

Second-order Rosenbrock-exponential (ROSEXP) methods for partitioned differential equations

2023· article· en· W4388551341 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.

Notice bibliographique

RevueNumerical Algorithms · 2023
Typearticle
Langueen
DomaineMathematics
ThématiqueNumerical methods for differential equations
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesNational Science Foundation
Mots-clésExponential integratorMathematicsIntegratorSolverOrdinary differential equationApplied mathematicsNonlinear systemMatrix exponentialExponential functionStability (learning theory)Differential equationLinear systemConvergence (economics)Exponential stabilityNumerical stabilityTheory of computationNumerical analysisDifferential algebraic equationMathematical optimizationComputer scienceAlgorithmMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, we introduce a new framework for deriving partitioned implicit-exponential integrators for stiff systems of ordinary differential equations and construct several time integrators of this type. The new approach is suited for solving systems of equations where the forcing term is comprised of several additive nonlinear terms. We analyze the stability, convergence, and efficiency of the new integrators and compare their performance with existing schemes for such systems using several numerical examples. We also propose a novel approach to visualizing the linear stability of the partitioned schemes, which provides a more intuitive way to understand and compare the stability properties of various schemes. Our new integrators are A-stable, second-order methods that require only one call to the linear system solver and one exponential-like matrix function evaluation per time step.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,777
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,135
Tête enseignante GPT0,452
Écart entre enseignants0,317 · 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