The problem of solving partial differential equations (PDEs) on manifolds can be considered to be one of the most general problem formulations encountered in computational multi-physics. The required covariant forms of balance laws as well as the corresponding covariant forms of the constitutive closing relations are naturally expressed using the bundle-valued exterior calculus of differential forms or related algebraic concepts. It can be argued that the appropriate solution method to such PDE problems is given by the finite element exterior calculus (FEEC). The aim of this essay is the exposition of a simple, efficiently-implementable framework for general hp-adaptivity applicable to the FEEC on higher-dimensional manifolds. A problem-independent spectral error-indicator is developed which estimates the error and the spectral decay of polynomial coefficients. The spectral decay rate is taken as an admissibility indicator on the polynomial order distribution. Finally, by elementary computational examples, it is attempted to demonstrate the power of the method as an engineering tool.


翻译:在多种物理计算中遇到的最一般性问题配方(PDEs)中,可以认为解决在多元体上部分差异方程(PDEs)的问题是一个最普遍的问题配方。所需的共同平衡法形式以及构成封闭关系的相应共变形式自然地使用不同形式或相关的代数概念的包包状外估价微积分来表达。可以认为,这种PDE问题的恰当解决办法是由有限的元素外部微积分(FEEC)给出的。本论文的目的是展示一个适用于FEEC在较高维度的多维体上的一般 hp-适应性简单、可有效实施的框架。开发了一个依赖问题的光谱误差指标来估计多元系数的误差和光谱衰减。光谱衰减率是作为多边秩序分布的可接受性指标。最后,通过初步的计算示例,试图展示该方法作为工程工具的力量。

0
下载
关闭预览

相关内容

专知会员服务
42+阅读 · 2020年12月18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
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11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
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24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
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24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
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6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