MétaCan
Menu
Retour à la cohorte
Enregistrement W4410605955 · doi:10.1137/24m1683184

Improving the Stability and Efficiency of Operator-Splitting Methods

2025· article· en· W4410605955 sur OpenAlexafffund
Siqi Wei, Victoria Guenter, Raymond J. Spiteri

Notice bibliographique

RevueSIAM Journal on Scientific Computing · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueMatrix Theory and Algorithms
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNOAA ResearchNatural Sciences and Engineering Research Council of Canada
Mots-clésMathematicsOperator splittingStability (learning theory)Operator (biology)Applied mathematicsCalculus (dental)Algebra over a fieldPure mathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract. Operator-splitting methods are widely used to solve differential equations, especially those that arise from multiscale or multiphysics models, because a monolithic (single-method) approach may be inefficient or even infeasible. The most common operator-splitting methods are the first-order Lie–Trotter (or Godunov) and the second-order Strang (Strang–Marchuk) splitting methods. High-order splitting methods with real coefficients require backward-in-time integration in each operator and hence may be adversely impacted by instability for certain operators such as diffusion. However, besides the method coefficients, there are many other ancillary aspects to an overall operator-splitting method that are important but often overlooked. For example, the operator ordering and the choice of subintegration methods can significantly affect the stability and efficiency of an operator-splitting method. In this paper, we investigate some design principles for the construction of operator-splitting methods, including minimization of local error measure, choice of subintegration method, maximization of linear stability, and minimization of overall computational cost. We propose a new four-stage, third-order, 2-split operator-splitting method with seven subintegrations per step and optimized linear stability for a benchmark problem from cardiac electrophysiology. We then propose a general principle to further improve stability and efficiency of such operator-splitting methods by using low-order, explicit subintegrators for unstable subintegrations. We demonstrate an almost 30% improvement in the performance of methods derived from these design principles compared to some well-known high-order methods.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,020
Tête enseignante GPT0,321
Écart entre enseignants0,301 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations2
Publié2025
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueSIAM Journal on Scientific ComputingMême sujetMatrix Theory and AlgorithmsTravaux en français237 207