In this paper we present a novel algorithm for simulating geometrical flows, and in particular the Willmore flow, with conservation of volume and area. The idea is to adapt the class of diffusion-redistanciation algorithms to the Willmore flow in both two and three dimensions. These algorithms rely on alternating diffusions of the signed distance function to the interface and a redistanciation step, and with careful choice of the applied diffusions, end up moving the zero level-set of the distance function by some geometrical quantity without resorting to any explicit transport equation. The constraints are enforced between the diffusion and redistanciation steps via a simple rescaling method. The energy globally decreases at the end of each global step. The algorithms feature the computational efficiency of thresholding methods without requiring any adaptive remeshing thanks to the use of a signed distance function to describe the interface. This opens their application to dynamic fluid-structure simulations for large and realistic cases. The methodology is validated by computing the equilibrium shapes of two- and three-dimensional vesicles, as well as the Clifford torus.


翻译:在本文中,我们提出了一个用于模拟几何流的新型算法,特别是威尔摩尔流,该算法保存体积和面积。其想法是使扩散-远距算法的等级在两个和三个维度上适应威尔摩尔流。这些算法依靠将已签字的距离函数交替扩散到接口和再离线步骤,并仔细选择应用的传播,最终以某些几何数量移动距离函数的零层,而不诉诸任何明确的运输方程。这些限制是通过简单调整法在扩散和离岸步骤之间施加的。全球能量在每一全球步骤的结尾处减少。这些算法的特点是阈值方法的计算效率,而不需要由于使用已签字的距离函数来描述界面而有任何调整性再显示。这为大型和现实案例的动态流体结构模拟打开了它们的应用。通过计算二维和三维输卵管的平衡形状以及克里夫德断流体来验证这一方法。

0
下载
关闭预览

相关内容

【AAAI2021】记忆门控循环网络
专知会员服务
48+阅读 · 2020年12月28日
【NeurIPS2020】点针图网络,Pointer Graph Networks
专知会员服务
39+阅读 · 2020年9月27日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17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
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
已删除
将门创投
3+阅读 · 2017年10月27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
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年10月17日
Arxiv
0+阅读 · 2021年9月18日
Arxiv
8+阅读 · 2021年5月21日
VIP会员
相关VIP内容
【AAAI2021】记忆门控循环网络
专知会员服务
48+阅读 · 2020年12月28日
【NeurIPS2020】点针图网络,Pointer Graph Networks
专知会员服务
39+阅读 · 2020年9月27日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17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
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
已删除
将门创投
3+阅读 · 2017年10月27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
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