In this paper, we develop an adaptive high-order surface finite element method (FEM) incorporating the spectral deferred correction method for chain contour discretization to solve polymeric self-consistent field equations on general curved surfaces. The high-order surface FEM is obtained by the high-order surface geometrical approximation and the high-order function space approximation. Numerical results demonstrate that the precision order of these methods is consistent with the theoretical prediction. In order to describe the sharp interface in the strongly segregated system more accurately, an adaptive FEM equipped with a new Log marking strategy is proposed. Compared with the traditional strategy, the Log marking strategy can not only label the elements that need to be refined or coarsened, but also give the refined or coarsened times, which can make full use of the information of a posterior error estimator and improve the ecciency of the adaptive algorithm. To demonstrate the power of our approach, we investigate the self-assembled patterns of diblock copolymers on several distinct curved surfaces. Numerical results illustrate the ecciency of the proposed method, especially for strongly segregated systems with economical discretization nodes.


翻译:在本文中,我们开发了一种适应性高阶表面限制元件法(FEM),其中包括链形等离散的光谱延迟校正方法,以解决一般弯曲表面的聚合自相一致场方程式。高序表面FEM是通过高序表面几何近近和高序功能空间近距离获得的。数字结果显示,这些方法的精确顺序与理论预测是一致的。为了更准确地描述强隔离系统中的锐利界面,我们提出了一种配有新日志标记战略的适应性FEM。与传统战略相比,日志标记战略不仅可以标出需要精细化或粗化的元素,而且还可以标出精细或粗化的时间,从而能够充分利用远端误差估计的信息,提高适应算算法的敏捷性。为了展示我们的方法的力量,我们调查了几个不同的弯曲表面的二块聚合物的自组装模式。数字结果表明,特别是与离心经济分解系统的离心系统,拟议方法的敏捷性。

0
下载
关闭预览

相关内容

Surface 是微软公司( Microsoft)旗下一系列使用 Windows 10(早期为 Windows 8.X)操作系统的电脑产品,目前有 Surface、Surface Pro 和 Surface Book 三个系列。 2012 年 6 月 18 日,初代 Surface Pro/RT 由时任微软 CEO 史蒂夫·鲍尔默发布于在洛杉矶举行的记者会,2012 年 10 月 26 日上市销售。
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
专知会员服务
61+阅读 · 2020年3月4日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17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
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
【泡泡一分钟】无地图驾驶的深层语义车道分割
泡泡机器人SLAM
3+阅读 · 2019年3月11日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10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
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
Arxiv
0+阅读 · 2021年9月30日
Arxiv
0+阅读 · 2021年9月30日
Arxiv
7+阅读 · 2018年9月27日
Arxiv
7+阅读 · 2018年3月21日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
【泡泡一分钟】无地图驾驶的深层语义车道分割
泡泡机器人SLAM
3+阅读 · 2019年3月11日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10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
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
Top
微信扫码咨询专知VIP会员