In this paper we introduce a new method called the Dirac Assisted Tree (DAT) method, which can handle 1D heterogeneous Helmholtz equations with arbitrarily large variable wave numbers. DAT breaks an original global problem into many parallel tree-structured small local problems, which are linked together to form a global solution by solving small linking problems. To solve the local problems in DAT, we propose a compact finite difference method (FDM) with arbitrarily high accuracy order and low numerical dispersion for piecewise smooth coefficients and variable wave numbers. This compact FDM is particularly appealing for DAT, because the local problems and their fluxes in DAT can be computed with high accuracy. DAT with such compact FDMs can solve heterogeneous Helmholtz equations with arbitrarily large variable wave numbers accurately by solving small linear systems - $4 \times 4$ matrices in the extreme case - with tridiagonal coefficient matrices in a parallel fashion. Several numerical examples are provided to illustrate the effectiveness of DAT using the $M$th order compact FDMs with $M=6,8$ for numerically solving heterogeneous Helmholtz equations with variable wave numbers. We shall also discuss how to solve some special 2D Helmholtz equations using DAT.


翻译:在本文中,我们引入了一种名为 Dirac 辅助树( DAT) 的新方法, 这个方法可以处理 1D 混杂的 Helmholtz 等式, 并任意使用大变化波数。 DAT 将最初的全球问题打破到许多平行的树结构小地方性问题, 这些问题通过解决小连接问题而联系在一起, 形成一个全球解决方案。 为了解决 DAT 的本地问题, 我们建议了一种简单精密的有限差异法( FMM ), 其精确度很高, 并且对于小相近的平滑系数和可变波数数字的差数分布性。 这个紧凑的 FDDM 特别吸引 DAT, 因为本地问题及其在 DAT 中的通量可以非常精确地计算。 DAT 与这种紧凑的 FDM 等式, 其本地问题及其通量可以以任意的大型波数解决 。 与小线性系统( 4 time 4 4 4 times 4$4$4$4$4$4$tgongon logal logs logs orgram orgram) 并同时使用三维系数矩阵矩阵矩阵矩阵矩阵矩阵矩阵。 。 。 提供几个数字解解解解解的FDM=6, 等式的FDM6, 解。

0
下载
关闭预览

相关内容

《常微分方程》笔记,419页pdf
专知会员服务
71+阅读 · 2020年8月2日
【清华大学】图随机神经网络,Graph Random Neural Networks
专知会员服务
155+阅读 · 2020年5月26日
自动结构变分推理,Automatic structured variational inference
专知会员服务
39+阅读 · 2020年2月10日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
令人心动的offer之微软苏州篇
微软招聘
4+阅读 · 2020年11月27日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22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
人工智能 | 国际会议截稿信息5条
Call4Papers
6+阅读 · 2017年11月22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
Arxiv
0+阅读 · 2021年8月19日
Arxiv
0+阅读 · 2021年8月19日
VIP会员
Top
微信扫码咨询专知VIP会员