The main task in this paper is to prove that the perfectly matched layers (PML) method converges exponentially with respect to the PML parameter, for scattering problems with periodic surfaces. In [5], a linear convergence is proved for the PML method for scattering problems with rough surfaces. At the end of that paper, three important questions are asked, and the third question is if exponential convergence holds locally. In our paper, we answer this question for a special case, which is scattering problems with periodic surfaces. The result can also be easily extended to locally perturbed periodic surfaces or periodic layers. Due to technical reasons, we have to exclude all the half integer valued wavenumbers. The main idea of the proof is to apply the Floquet-Bloch transform to write the problem into an equivalent family of quasi-periodic problems, and then study the analytic extension of the quasi-periodic problems with respect to the Floquet-Bloch parameters. Then the Cauchy integral formula is applied for piecewise analytic functions to avoid linear convergent points. Finally the exponential convergence is proved from the inverse Floquet-Bloch transform. Numerical results are also presented at the end of this paper.


翻译:本文的主要任务是证明完全匹配的层( PML) 方法与 PML 参数相匹配的层( PML) 相趋近, 以分散周期表面的问题 。 在 [ 5 中, 证明 PML 方法的线性趋同 。 在该文件结尾处, 提出三个重要问题, 第三个问题是指数趋同是否在本地存在 。 在我们的文件中, 我们回答这个问题的是一个特殊案例, 即与周期表面存在分散问题 。 其结果也可以很容易地扩展至被本地扰动的周期表面或周期层 。 由于技术原因, 我们不得不排除所有半整数值的波数 。 证据的主要目的是应用 Floquet- Bloch 转换 来将问题写成对应的半周期问题组, 然后研究与 Floquet- Bloch 参数有关的半周期问题的分析延伸。 然后, Causy 整体公式应用于局部分析函数, 以避免线性趋同点 。 最后, 从 Floquequet- Bloch 变纸中显示的结果也是 。

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
专知会员服务
76+阅读 · 2021年3月16日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
28+阅读 · 2019年10月18日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22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
16+阅读 · 2018年12月24日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
论文浅尝 | Hike: A Hybrid Human-Machine Method for Entity Alignment
机器学习研究会
6+阅读 · 2018年1月6日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年10月21日
VIP会员
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22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
16+阅读 · 2018年12月24日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
论文浅尝 | Hike: A Hybrid Human-Machine Method for Entity Alignment
机器学习研究会
6+阅读 · 2018年1月6日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员