Electromagnetic scattering by numerical methods applicable for large structures
Notice bibliographique
Résumé
The objective of this research is to develop numerical methods for general and efficient solutions to the linear systems obtained using the integral equations arising from electromagnetic scattering problems involving electrically large structures. In the process, the prior art in this area is reviewed. Then, the integral equations and their solutions by the method of moments (MoM) are derived. The progressive numerical method (PNM) and the projection iterative method (PIM) are analysed, including formulations, operation counts, stopping criteria, and their connection. In practice, the PNM is successful in calculation of two-dimensional scattering problems. The iterative PNM and a special case of the PNM, the modified spatial decomposition technique (SDT), are applied to the problems and compared with the PNM. Examples show that the PNM can depress internal resonances. The PIM is implemented in the two-dimensional TE case and convergent solutions are obtained. In order to overcome the difficulties with three-dimensional scattering problems, the PIM is implemented to solve the matrix equation obtained by MoM. Convergent results are observed in all examples being calculated for two- and three-dimensional objects. The PIM's iteration process can be accelerated by appropriate relaxation factors. The dependence of optimum relaxation factors on various parameters are investigated. Approximate results of large objects are obtained by the PIM with much less computation effort than the direct method. By allowing certain smaller elements in a coefficient matrix to be zero, the PIM can be further sped up, while still getting good far field results. This technique was found to be object dependent, providing better results for spheres than other objects.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».