Structure-preserving methods can be derived for the Vlasov-Maxwell system from a discretisation of the Poisson bracket with compatible finite-elements for the fields and a particle representation of the distribution function. These geometric electromagnetic particle-in-cell (GEMPIC) discretisations feature excellent conservation properties and long-time numerical stability. This paper extends the GEMPIC formulation in curvilinear coordinates to realistic boundary conditions. We build a de Rham sequence based on spline functions with clamped boundaries and apply perfect conductor boundary conditions for the fields and reflecting boundary conditions for the particles. The spatial semi-discretisation forms a discrete Poisson system. Time discretisation is either done by Hamiltonian splitting yielding a semi-explicit Gauss conserving scheme or by a discrete gradient scheme applied to a Poisson splitting yielding a semi-implicit energy-conserving scheme. Our system requires the inversion of the spline finite element mass matrices, which we precondition with the combination of a Jacobi preconditioner and the spectrum of the mass matrices on a periodic tensor product grid.


翻译:对Vlasov-Maxwell系统而言,结构保护方法可以从Poisson 括号的离散中得出,该括号对田间具有相容的有限元素和分布函数的粒子表示。这些细胞中的几何电磁粒子离散具有极好的保护特性和长期数字稳定性。本文将GEMPIC在卷轴坐标上的配方扩展至现实的边界条件。我们根据带有夹紧边界的样条功能,对田间应用完美的导导体边界条件,并反映粒子的边界条件。空间半分解形成一个离散的Poisson系统。时间离散要么由汉密尔顿分解产生半显性盖子保护办法,要么由适用于Poisson分解产生半隐含性节能方案的离散梯度办法进行。我们的系统要求对带有夹线有限元素的质谱质谱质矩阵进行反转,这是将Jacobi前置器和定期抗压产品格中质量矩阵的频谱组合的先决条件。

0
下载
关闭预览

相关内容

【硬核书】矩阵代数基础,248页pdf
专知会员服务
83+阅读 · 2021年12月9日
专知会员服务
25+阅读 · 2021年4月2日
【SIGIR2020】学习词项区分性,Learning Term Discrimination
专知会员服务
15+阅读 · 2020年4月28日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
计算机类 | LICS 2019等国际会议信息7条
Call4Papers
3+阅读 · 2018年12月17日
OpenAI丨深度强化学习关键论文列表
中国人工智能学会
17+阅读 · 2018年11月10日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25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
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
VIP会员
相关资讯
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
计算机类 | LICS 2019等国际会议信息7条
Call4Papers
3+阅读 · 2018年12月17日
OpenAI丨深度强化学习关键论文列表
中国人工智能学会
17+阅读 · 2018年11月10日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25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
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员