For the purpose of finding benchmark quality solutions to time dependent Sn transport problems, we develop a numerical method in a Discontinuous Galerkin (DG) framework that utilizes time dependent cell edges, which we call a moving mesh, and an uncollided source treatment. The DG method for discretizing space is a powerful solution technique on smooth problems and is robust on non-smooth problems. In order to realize the potential of the DG method to spectrally resolve smooth problems, our moving mesh and uncollided source treatment is devised to circumvent discontinuities in the solution or the first derivative of the solutions that are admitted in transport calculations. The resulting method achieves spectral convergence on smooth problems, like a standard DG implementation. When applied to problems with nonsmooth sources that induce discontinuities, our moving mesh, uncollided source method returns a significantly more accurate solution than the standard DG method. On problems with smooth sources, we observe spectral convergence even in problems with wave fronts. In problems where the angular flux is inherently non-smooth, as in Ganapol's (2001) well known plane pulse benchmark, we do not observe an elevated order of accuracy when compared with static meshes, but there is a reduction in error that is nearly three orders of magnitude.


翻译:为了找到时间依赖的 Sn 运输问题的基准质量解决方案,我们在一个不连续的 Galerkin (DG) 框架中开发了一个数字方法,这个方法使用时间依赖的细胞边缘的不连续的不连续的 Galerkin (DG) 框架,我们称之为移动网格和不协调源处理。 离散空间的DG 方法是解决平滑问题的有力方法,并且对非移动问题非常有力。 为了实现DG 方法在光谱解决平滑问题方面的潜力,我们移动网格和不协调源处理的设计是为了避免解决方案的不连续或运输计算中承认的解决方案的第一个衍生物的产生物。 由此形成的方法在光滑的问题上实现了光谱趋同, 就像标准DGD 执行。 当应用于引起不连续问题的非移动源的问题时,我们的移动网格、不相联源法的方法比标准DG方法更准确得多。 关于光源的问题,我们观察到光谱的趋同,甚至在波前沿的问题。 在问题中,我们所观察到的矩通的通是非摩的,在Ganapol 3 的精确度中,而我们所认识的平流的精确度是接近我的平位基准。

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
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
【干货书】真实机器学习,264页pdf,Real-World Machine Learning
专知会员服务
161+阅读 · 2020年1月16日
强化学习最新教程,17页pdf
专知会员服务
176+阅读 · 2019年10月11日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
40+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6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
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3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
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24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 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013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 · 2011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 · 2022年8月14日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6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
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3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
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
相关基金
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 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013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 · 2011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