Unconditionally stable implicit time-marching methods are powerful in solving stiff differential equations efficiently. In this work, a novel framework to handle stiff physical terms implicitly is proposed. Both physical and numerical stiffness originating from convection, diffusion and source terms (typically related to reaction) can be handled by a set of predefined Time-Accurate and highly-Stable Explicit (TASE) operators in a unified framework. The proposed TASE operators act as preconditioners on the stiff terms and can be deployed to any existing explicit time-marching methods straightforwardly. The resulting time integration methods remain the original explicit time-marching schemes, yet with nearly unconditional stability. The TASE operators can be designed to be arbitrarily high-order accurate with Richardson extrapolation such that the accuracy order of original explicit time-marching method is preserved. Theoretical analyses and stability diagrams show that the $s$-stages $s$th-order explicit Runge-Kutta (RK) methods are unconditionally stable when preconditioned by the TASE operators with order $p \leq s$ and $p \leq 2$. On the other hand, the $s$th-order RK methods preconditioned by the TASE operators with order of $p \leq s$ and $p > 2$ are nearly unconditionally stable. The only free parameter in TASE operators can be determined a priori based on stability arguments. A set of benchmark problems with strong stiffness is simulated to assess the performance of the TASE method. Numerical results suggest that the proposed framework preserves the high-order accuracy of the explicit time-marching methods with very-large time steps for all the considered cases. As an alternative to established implicit strategies, TASE method is promising for the efficient computation of stiff physical problems.


翻译:无条件稳定的隐含时间总体方法在有效解决严格差异方程式方面非常有力。 在这项工作中, 隐含地提议了一个处理严格物理条件的新框架。 来自对流、 扩散和源术语( 通常与反应相关) 的物理和数字僵硬性能可以由一组预先定义的时间- 准确和高度稳定的透明( TASE) 操作员在一个统一的框架内处理。 拟议的 TASE 操作员以苛刻的条件作为先决条件, 并可以直接地部署到任何现有的明确时间总体方法中。 由此产生的时间整合方法仍然是最初的清晰时间总体计划, 但却几乎是无条件的。 TASE 操作员可以被设计为任意的高度秩序、 扩散和源术语( 通常与反应相关) 。 理论分析和稳定性图表显示, 当 TASE 操作员以坚硬条件为先决条件, 并且以 lequalal 美元 的准确性能方法显示 $ 。 在 RASE 运行者 的快速运行者 之前, 以 r- ral roal roal role- proal ral rode rode roal rouple ral ral room room roup r ral ral ral ral ral ral ral r r r r r r r r r r r r r r r r), r r r r r 。 。 。, 。 。 在 r r r rent r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r r

0
下载
关闭预览

相关内容

第十三届软件工程理论研讨会(TASE 2019)将于2019年7月在中国桂林举行。TASE是一个国际研讨会,旨在汇集学术界和业界对软件工程理论方面感兴趣的研究人员和开发人员。现代社会越来越依赖于越来越庞大和复杂的软件系统。这对当前的软件工程方法学提出了新的挑战,需要利用计算机理论科学的现代成果加以改进。我们邀请提交涵盖软件工程所有理论方面的研究论文,包括那些描述理论计算机科学在工业应用和软件工程方法学中的应用的论文。官网链接:http://www.se.gxnu.edu.cn/tase2019/
专知会员服务
60+阅读 · 2020年3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
【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
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29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
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25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
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
6+阅读 · 2018年10月3日
Arxiv
3+阅读 · 2018年2月24日
Arxiv
3+阅读 · 2018年1月31日
Arxiv
3+阅读 · 2017年12月14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
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25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
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24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