The numerical integration of phase-field equations is a delicate task which needs to recover at the discrete level intrinsic properties of the solution such as energy dissipation and maximum principle. Although the theory of energy dissipation for classical phase field models is well established, the corresponding theory for time-fractional phase-field models is still incomplete. In this article, we study certain nonlocal-in-time energies using the first-order stabilized semi-implicit L1 scheme. In particular, we will establish a discrete fractional energy law and a discrete weighted energy law. The extension for a $(2-{\alpha})$-order L1 scalar auxiliary variable scheme will be investigated. Moreover, we demonstrate that the energy bound is preserved for the L1 schemes with nonuniform time steps. Several numerical experiments are carried to verify our theoretical analysis.


翻译:阶段- 实地方程式的数值整合是一项微妙的任务,需要在诸如能源消散和最大原则等解决方案的离散层面内在特性中加以恢复。 虽然古典阶段字段模型的能源消散理论已经确立,但时间偏差阶段字段模型的相应理论仍然不完整。 在本篇文章中,我们使用一级稳定半隐含L1计划研究某些非当地时能。特别是,我们将制定离散分分能法和离散加权能源法。将调查一个$(2- phalpha}) $- order L1 卡拉尔辅助变量计划的扩展。此外,我们证明,L1 计划所约束的能源保留在不统一的时间步骤中。我们进行了数项实验,以核实我们的理论分析。

0
下载
关闭预览

相关内容

不可错过!华盛顿大学最新《生成式模型》课程,附PPT
专知会员服务
63+阅读 · 2020年12月11日
专知会员服务
159+阅读 · 2020年1月16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
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7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
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
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7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
Adversarial Mutual Information for Text Generation
Arxiv
13+阅读 · 2020年6月30日
A General and Adaptive Robust Loss Function
Arxiv
8+阅读 · 2018年11月5日
Arxiv
3+阅读 · 2018年10月8日
Arxiv
3+阅读 · 2018年2月24日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7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
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
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7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