MétaCan
Menu
Retour à la cohorte
Enregistrement W4391857922 · doi:10.33737/gpps23-tc-120

A Time Domain Full Order Parallel Method for Turbomachinery Unsteady Flows

2023· article· en· W4391857922 sur OpenAlexaboutno aff
Boqian Wang, Dingxi Wang, Xiuquan Huang

Notice bibliographique

RevueProceedings · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTurbomachineryComputer scienceSpeedupScalabilityTransonicParallel computingControl theory (sociology)Applied mathematicsMathematical optimizationAlgorithmMathematicsAerodynamicsMechanicsPhysics

Résumé

récupéré en direct d'OpenAlex

In this study, the parallel inverted dual time stepping (PIDTS) method has been investigated for analyzing turbomachinery unsteady flows. This is the first known effort in exploiting temporal parallelization to reduce wall-clock time for analyzing turbomachinery unsteady flows in all time scales. This method relaxes the sequential time dependency of solutions at different time instants in the dual time stepping method to achieve parallel solutions at the expense of an increased number of pseudo-time iterations. To demonstrate its parallel scalability and solution stability and accuracy, a one-dimensional De Laval nozzle with a time-periodic back pressure disturbance has been used as a test case. Study indicates that the higher number of pseudo-time iterations is inevitable with a larger number of time instants marching together. A hybrid explicit and implicit method for accelerating solution convergence significantly mitigates the need for an increased number of pseudo-time iterations. Further verification and application have been conducted using a case of rotor-stator interaction of a transonic compressor stage. The obtained parallel efficiency is about 96%, 90%, 83%, 77%, and 72% with 2, 4, 8, 12, and 16 time instants marching together, respectively. The recommended number of time instants for parallelization is 2-10, which is a result of balancing parallel benefits, time consumption of additional pseudo-time iterations, and additional memory consumption. The obtained wall-clock speedup compared with the dual time stepping method is 1.9 to 3.5.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,600
Score d'incertitude au seuil0,827

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,009
Tête enseignante GPT0,240
Écart entre enseignants0,232 · 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
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'admission1
Résumé présentoui

Explorer davantage

Même revueProceedingsMême sujetTurbomachinery Performance and OptimizationTravaux en français237 207