Parallel Fast Iterative H-Matrix Locally Corrected Nyström Discretization of Integral Equations with an Inaccurate H-matrix Preconditioner
Notice bibliographique
Résumé
In this research, a new method is presented for addressing the Combined Field Integral Equation (CFIE) using the Locally Corrected Nyström (LCN) technique, focusing on speed, error control, and parallel processing features of the implementation. The method involves utilizing a less precise preconditioner derived from the coefficient matrix, which accelerates the whole process despite its reduced accuracy. However, this fast approach has some challenges in trading-off between solution speed and accuracy since we are approximating H-LU decomposition as well. This is particularly affecting the residual and precision of the solution when dealing with CFIE problems. The method implemented uses MPI parallelization for coefficient filling, and it uses HLibPro, which is OpenMP parallelized, to construct H-Matrices and perform H-LU factorization. To reach the desired compression, ACA method is used to compress the matrices to the tolerance required. Giving larger tolerance to preconditioner matrix and H-LU factorization, makes the problem hard to converge to the desired accuracy. As a reason, it is necessary always to trade-off between accuracy, the speedup and compression of the matrices. To illustrate its efficacy, consider Nasa Almond with 84,000 unknowns (where $l=240 \mathrm{~m}$) exposed to an z-polarized dipole located in the x direction in the far-field. The operating frequency is set at 3 MHz, with geometric dimensions spanning two wavelengths. As it is shown in Fig. 1, the Compression Rate (CR) achieved for the preconditioner H-matrix is $91.56 \%$, while for the coefficient matrix, it is $85.44 \%$. The relative error of the computational problem, $|A x-b|$, is quantified at $4.1023 \mathrm{e}-09$, which converges in four iterations. Moreover, the CPU time required to build both H-matrices is 9555.36 seconds, while it takes 4130.66 seconds to do H-LU factorization with 40 cores working in parallel.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».