We present an efficient and accurate energy-conserving implicit particle-in-cell~(PIC) algorithm for the electrostatic Vlasov system, with particular emphasis on its high robustness for simulating complex plasma systems with multiple physical scales. This method consists of several indispensable elements: (\romannumeral1) the reformulation of the original Vlasov-Poisson system into an equivalent Vlasov-Amp\`ere system with divergence-/curl-free constraints; (\romannumeral2) a novel structure-preserving Fourier spatial discretization, which exactly preserves these constraints at the discrete level; (\romannumeral3) a preconditioned Anderson-acceleration algorithm for the solution of the highly nonlinear system; and (\romannumeral4) a linearized and uniform approximation of the implicit Crank-Nicolson scheme for various Debye lengths, based on the generalized Ohm's law, which serves as an asymptotic-preserving preconditioner for the proposed method. Numerical experiments are conducted, and comparisons are made among the proposed energy-conserving scheme, the classical leapfrog scheme, and a Strang operator-splitting scheme to demonstrate the superiority of the proposed method, especially for plasma systems crossing physical scales.


翻译:我们为静电Vlasov系统提出了一个高效和准确的节能隐含颗粒-细胞~(PIC)算法,其中特别强调它对于模拟具有多种物理尺度的复杂等离子系统具有很强的超强性。这个方法由若干不可或缺的要素组成:(romannuphal1) 将原Vlasov-Poisson系统改制成一个具有差异/无曲线限制的等效Vlasov-Amp ⁇ ⁇ ere系统;(romannuphal2) 一个新的结构保存Fourier空间离散性算法,它完全保留离散层次的这些限制;(romannuphal3) 为高度非线性系统的解决方案预设的Andersen-加速算法;以及(rmannucolal4) 根据通用的Ohm法,将隐含的Crank-Nicolson计划直线性统一地和统一地对各种Debye长度进行近似近似;该套法是拟议方法的无症状保存的前提条件。进行了数字实验,并在拟议的能源节制中进行了比较,特别是用于显示跨层级系统、特别是跨层平流法化的等离层系统。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
74+阅读 · 2022年6月28日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
73+阅读 · 2020年8月2日
专知会员服务
61+阅读 · 2020年3月19日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
165+阅读 · 2020年3月18日
[综述]深度学习下的场景文本检测与识别
专知会员服务
78+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
104+阅读 · 2019年10月9日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013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 · 2011年12月31日
Arxiv
0+阅读 · 2023年1月19日
Arxiv
0+阅读 · 2023年1月17日
VIP会员
相关资讯
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013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 · 2011年12月31日
Top
微信扫码咨询专知VIP会员