The thermal radiative transfer (TRT) equations form a system that describes the propagation and collisional interactions of photons. Computing accurate and efficient numerical solutions to TRT is challenging for several reasons, the first of which is that TRT is defined on a high-dimensional phase space. In order to reduce the dimensionality, classical approaches such as the P$_N$ (spherical harmonics) or the S$_N$ (discrete ordinates) ansatz are often used in the literature. In this work, we introduce a novel approach: the hybrid discrete (H$^T_N$) approximation. This approach acquires desirable properties of both P$_N$ and S$_N$, and indeed reduces to each of these approximations in various limits. We prove that H$^T_N$ results in a system of hyperbolic equations. Another challenge in solving the TRT system is the inherent stiffness due to the large timescale separation between propagation and collisions. This can be partially overcome via implicit time integration, although fully implicit methods may become expensive due to the strong nonlinearity and system size. On the other hand, explicit time-stepping schemes that are not also asymptotic-preserving in the highly collisional limit require resolving the mean-free path between collisions. We develop a method that is based on a discontinuous Galerkin scheme in space, coupled with a semi-implicit scheme in time. In particular, we make use of an explicit Runge-Kutta scheme for the streaming term and an implicit Euler scheme for the material coupling term. Furthermore, in order to solve the material energy equation implicitly after each step, we linearize the temperature term; this avoids the need for an iterative procedure. In order to reduce unphysical oscillation, we apply a slope limiter after each time step. Finally, we conduct several numerical experiments to verify the accuracy, efficiency, and robustness of the method.


翻译:热辐射传输( TRT) 方程式形成一个系统, 描述光子的传播和碰撞互动。 在这项工作中, 我们引入了一种新颖的方法: 混合离散( H$T_ N$) 的( H$_ N$), 计算出对 TRT 的准确而高效的数字解决方案具有挑战性, 有几个原因, 其中第一个原因是 TRT 在一个高维阶段空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间空间系统。 我们证明H$N$( 球声调) 或 S$_ N$( 模糊的坐标) 等经典方法可以降低维度。 解决 TRT 系统的另一个挑战在于, 传播和碰撞之间时间尺度的大规模分离导致的内在僵硬性。 在隐含时间周期整合中, 完全隐含的方法可能变得昂贵, 由于强烈的不直线性直径直径直的直径直的直径方法, 使每个直径直径的直径直径直径直路路的直路的直路的直径直路路路路路路路的直路规则系的直路路路路规则系, 也要求另一个的电。

0
下载
关闭预览

相关内容

【干货书】机器学习速查手册,135页pdf
专知会员服务
126+阅读 · 2020年11月20日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
60+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
154+阅读 · 2019年10月12日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Arxiv
0+阅读 · 2021年4月18日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Top
微信扫码咨询专知VIP会员