The Electric Field Integral Equation (EFIE) is a well-established tool to solve electromagnetic scattering problems. However, the development of efficient and easy to implement preconditioners remains an active research area. In recent years, operator preconditioning approaches have become popular for the EFIE, where the electric field boundary integral operator is regularised by multiplication with another convenient operator. A particularly intriguing choice is the exact Magnetic-to-Electric (MtE) operator as regulariser. But, evaluating this operator is as expensive as solving the original EFIE. In work by El Bouajaji, Antoine and Geuzaine, approximate local Magnetic-to-Electric surface operators for the time-harmonic Maxwell equation were proposed. Thesecan be efficiently evaluated through the solution of sparse problems. This paper demonstrates the preconditioning properties of these approximate MtE operators for the EFIE. The implementation is described and a number of numerical comparisons against other preconditioning techniques for the EFIE are presented to demonstrate the effectiveness of this new technique.


翻译:电场综合赤道(EFIE)是解决电磁散射问题的公认工具,然而,开发高效且易于实施先决条件物仍然是一个活跃的研究领域,近年来,操作者先决条件办法对EFIE越来越普遍,电场边界整体操作者通过与另一个方便操作者进行乘法来规范。一个特别令人感兴趣的选择是确切的磁电到电操作者,与正规操作者一样。但是,评价该操作者的费用与解决原始的EFIE一样昂贵。在El Bouajaji、Antoine和Geuzaine的工作中,提出了时间-和谐Maxwell等式的近似当地磁到电表表面操作者。通过解决稀疏问题,可以有效地评估这些先决条件。本文展示了EFIE的这些近似MtE操作者的先决条件性。对EFIE的实施工作作了描述,并对EFIE的其他先决条件技术进行了一些数字比较,以证明这一新技术的有效性。

0
下载
关闭预览

相关内容

强化学习最新教程,17页pdf
专知会员服务
181+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10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
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
29+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7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
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26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 · 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
Arxiv
0+阅读 · 2023年3月27日
Arxiv
0+阅读 · 2023年3月7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
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
29+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7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
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
相关基金
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 · 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
Top
微信扫码咨询专知VIP会员