MétaCan
Menu
Retour à la cohorte
Enregistrement W7133013508

Reduced-order Modeling in the Finite-difference Time-Domain Method

2020· dissertation· W7133013508 sur OpenAlexaff
Xinyue (Leo) Zhang

Notice bibliographique

RevueTSpace · 2020
Typedissertation
Langue
DomaineEngineering
ThématiqueElectromagnetic Simulation and Numerical Methods
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFinite-difference time-domain methodGridStability (learning theory)Scheme (mathematics)Field (mathematics)Domain (mathematical analysis)Reduction (mathematics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The finite-difference time-domain (FDTD) method is a well-known numerical algorithm. Despite its many advantages, FDTD becomes time-consuming when applied to multiscale problems, where sharp field variations or fine geometrical details impose a very fine grid, at least locally. Grid refinement affects computational cost in two ways: it increases the number of fields to update at each iteration, and it reduces the maximum timestep allowed by the Courant-Friedrichs-Lewy (CFL) stability limit. Our goal is to investigate how model order reduction (MOR) can be leveraged to address both computational issues associated with grid refinement, and devise accelerated FDTD schemes for multiscale problems. In the envisioned approach, multiscale objects are initially meshed with a locally-refined grid, while the rest of the domain is meshed with a coarse grid. Then, the FDTD update equations of each refined region are processed to generate a reduced-order model, which is finally coupled to the surrounding coarse grid. To achieve this vision, two main issues had to be addressed: i) how to generate FDTD-compatible reduced-order models, and ii) how to guarantee that the final FDTD scheme with embedded reduced models will be stable under a known CFL limit. Our first major contribution is to devise a new theoretical framework to create FDTD-like schemes with provable stability, based on the dissipativity theory. We show that most FDTD schemes can be seen as the connection of different subsystems, such as reduced-order models. We determine the conditions under which these FDTD-like subsystems are dissipative, and prove that, if each subsystem is dissipative, then the whole scheme will be dissipative, and thus stable. This theory provides a systematic way to create a variety of FDTD schemes with provable stability, from simple subgridding algorithms to the advanced FDTD schemes with embedded reduced-order models. Another major contribution is to generate reduced-order models compatible with FDTD simulations, and capable of accurately capturing the electromagnetic behaviour of a given volume enclosing arbitrary objects. The proposed models can be instantiated into a coarser FDTD grid and are compatible with leap-frogging. Through the dissipativity theory, we rigorously prove the stability of the proposed FDTD algorithms with reduced models.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,340
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,041
Tête enseignante GPT0,366
Écart entre enseignants0,325 · 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.

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetElectromagnetic Simulation and Numerical MethodsTravaux en français237 207