This paper presents approximation methods for time-dependent thermal radiative transfer problems in high energy density physics. It is based on the multilevel quasidiffusion method defined by the high-order radiative transfer equation (RTE) and the low-order quasidiffusion (aka VEF) equations for the moments of the specific intensity. A large part of data storage in TRT problems between time steps is determined by the dimensionality of grid functions of the radiation intensity. The approximate implicit methods with reduced memory for the time-dependent Boltzmann equation are applied to the high-order RTE, discretized in time with the backward Euler (BE) scheme. The high-dimensional intensity from the previous time level in the BE scheme is approximated by means of the low-rank proper orthogonal decomposition (POD). Another version of the presented method applies the POD to the remainder term of P2 expansion of the intensity. The accuracy of the solution of the approximate implicit methods depends of the rank of the POD. The proposed methods enable one to reduce storage requirements in time dependent problems. Numerical results of a Fleck-Cummings TRT test problem are presented.


翻译:本文介绍了高能量密度物理学中基于时间的热辐射传导问题的近似方法,其依据是高阶辐射传导方程式(RTE)和特定强度时刻的低序准扩散方程式(aka VEF)界定的多级准扩散法(Aka VEF)和特定强度时段的低序准扩散方程式(POD)所定义的多级准扩散法(Aka VEF),在时间步骤之间的数据存储中的大部分问题是由辐射强度的网格功能的维度决定的,对时间依赖的Boltzmann方程式的内存减少的近似隐含方法适用于高序RTE,与落后的Euler(BE)方案同时分离。BE计划中前一个时间级的高维强度通过低级正或正向分解定位(POD)所近似。另一种方法将POD应用于强度扩展的P2剩余时期。近似隐含方法的解决方案的准确性取决于POD的等级。拟议方法可以减少时间依赖性的储存要求。

0
下载
关闭预览

相关内容

专知会员服务
25+阅读 · 2021年4月2日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
零样本文本分类,Zero-Shot Learning for Text Classification
专知会员服务
95+阅读 · 2020年5月31日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12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
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2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
自然语言处理顶会EMNLP2018接受论文列表!
专知
87+阅读 · 2018年8月26日
语音顶级会议Interspeech2018接受论文列表!
专知
6+阅读 · 2018年6月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Arxiv
0+阅读 · 2021年4月28日
Reduced order models for Lagrangian hydrodynamics
Arxiv
0+阅读 · 2021年4月26日
Arxiv
0+阅读 · 2021年4月23日
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10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
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2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
自然语言处理顶会EMNLP2018接受论文列表!
专知
87+阅读 · 2018年8月26日
语音顶级会议Interspeech2018接受论文列表!
专知
6+阅读 · 2018年6月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Top
微信扫码咨询专知VIP会员