Efficient and accurate numerical approximation of the full Boltzmann equation has been a longstanding challenging problem in kinetic theory. This is mainly due to the high dimensionality of the problem and the complicated collision operator. In this work, we propose a highly efficient adaptive low rank method for the Boltzmann equation, concerning in particular the steady state computation. This method employs the fast Fourier spectral method (for the collision operator) and the dynamical low rank method to obtain computational efficiency. An adaptive strategy is introduced to incorporate the boundary information and control the computational rank in an appropriate way. Using a series of benchmark tests in 1D and 2D, we demonstrate the efficiency and accuracy of the proposed method in comparison to the full tensor grid approach.


翻译:整个波尔兹曼方程式的高效和准确数字近似是动能理论中长期存在的一个具有挑战性的问题,这主要是由于问题的高度维度和复杂的碰撞操作员。在这项工作中,我们提议对布尔兹曼方程式采用高度高效的适应性低级方法,特别是稳定状态计算。这种方法采用快速的傅里叶光谱方法(碰撞操作员)和动态低级方法,以获得计算效率。引入了适应性战略,以适当方式纳入边界信息和控制计算等级。我们使用1D和2D的一系列基准测试,展示了拟议方法与全长电网方法相比的效率和准确性。

0
下载
关闭预览

相关内容

【硬核书】矩阵代数基础,248页pdf
专知会员服务
83+阅读 · 2021年12月9日
专知会员服务
41+阅读 · 2021年4月2日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
解读 | 得见的高斯过程
机器学习算法与Python学习
14+阅读 · 2019年2月13日
【OpenAI】深度强化学习关键论文列表
专知
11+阅读 · 2018年11月10日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15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
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2022年2月14日
Arxiv
8+阅读 · 2018年11月27日
VIP会员
相关资讯
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
解读 | 得见的高斯过程
机器学习算法与Python学习
14+阅读 · 2019年2月13日
【OpenAI】深度强化学习关键论文列表
专知
11+阅读 · 2018年11月10日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15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
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24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