We apply high-order mixed finite element discretization techniques and their associated preconditioned iterative solvers to the Variable Eddington Factor (VEF) equations in two spatial dimensions. The mixed finite element VEF discretizations are coupled to a high-order Discontinuous Galerkin (DG) discretization of the Discrete Ordinates transport equation to form effective linear transport algorithms that are compatible with high-order (curved) meshes. This combination of VEF and transport discretizations is motivated by the use of high-order mixed finite element methods in hydrodynamics calculations at the Lawrence Livermore National Laboratory. Due to the mathematical structure of the VEF equations, the standard Raviart Thomas (RT) mixed finite elements cannot be used to approximate the vector variable in the VEF equations. Instead, we investigate three alternatives based on the use of continuous finite elements for each vector component, a non-conforming RT approach where DG-like techniques are used, and a hybridized RT method. We present numerical results that demonstrate high-order accuracy, compatibility with curved meshes, and robust and efficient convergence in iteratively solving the coupled transport-VEF system and in the preconditioned linear solvers used to invert the discretized VEF equations.


翻译:我们将高顺序混合元素离散技术及其相关的先决条件迭代解解解器应用于两个空间层面的可变Eddington系数(VEF)方程式。混合的有限元素VEF离散技术与分立奥丁酸运输方程式的高度不连续离散(DG)结合,以形成与高顺序(弯曲)间衣相容的有效线性运输算法。VEF和运输离散方法的这种结合是劳伦斯·利物莫尔国家实验室在计算流体动力学时使用高顺序混合元素方法的动机。由于VEF方程式的数学结构,标准Raviart Thomas(RT)混合的有限元素不能用来接近VEF方程式中的矢量变量。相反,我们根据对每种矢量成分使用连续的有限元素、使用DG类技术的不兼容的RT方法以及混合的RT方法,对三种替代方法进行了调查。我们提供了数字结果,表明高顺序混合混合混合的混合元素元素在Lawrence Levermore国家实验室的计算中显示出高顺序准确性准确性、与曲线中与曲线中间的中间中间中间中间置、在使用的离式变式系统中可靠和高效的惯式变离心式平式式式式式式式式式方方程式中,对准。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
专知会员服务
76+阅读 · 2021年3月16日
专知会员服务
159+阅读 · 2020年1月16日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2023年3月7日
VIP会员
相关资讯
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员