In this paper, we develop a high-order adaptive virtual element method (VEM) to simulate the self-consistent field theory (SCFT) model in arbitrary domains. The VEM is very flexible in handling general polygon elements and can treat hanging nodes as polygon vertices without additional processing. Besides, to effectively simulate the phase separation behavior in strong segregation systems, an adaptive method on polygonal mesh equipped with a new marking strategy is developed. This new marking strategy will indicate the times of marked elements to be refined and coarsened, making full use of the information contained in the current numerical results. Using the halfedge data structure, we can apply the adaptive method to the arbitrary polygonal mesh. Numerical results demonstrate that the developed method is efficient in simulating polymers' phase behavior in complex geometric domains. The accuracy is consistent with theoretical results. The adaptive method can greatly reduce computational costs to obtain prescribed numerical accuracy for strong segregation systems.


翻译:在本文中,我们开发了一种高阶适应性虚拟元素方法(VEM),在任意域模拟自相容的字段理论(SFT)模型。 VEM在处理一般多边形元素时非常灵活,可以将悬浮节点作为多边形脊椎处理,而无需额外的处理。此外,为了在强大的隔离系统中有效地模拟相分离行为,我们开发了一种配有新标记战略的多边形网格上的适应性方法。这一新标记战略将显示需要精细和粗化的标记元素的时间,同时充分利用当前数字结果中包含的信息。我们可以使用对半边形数据结构对任意多边形网块应用适应性方法。数字结果显示,开发的方法在复杂的几何领域模拟聚合物的阶段行为方面是有效的。准确性与理论结果是一致的。适应性方法可以大大降低计算成本,以获得强大的隔离系统所规定的数字精度。

0
下载
关闭预览

相关内容

机器学习系统设计系统评估标准
【图与几何深度学习】Graph and geometric deep learning,49页ppt
【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
最新《时序分类:深度序列模型》教程,172页ppt
专知会员服务
42+阅读 · 2020年11月11日
一份简单《图神经网络》教程,28页ppt
专知会员服务
123+阅读 · 2020年8月2日
【ICML2020】持续图神经网络,Continuous Graph Neural Networks
专知会员服务
150+阅读 · 2020年6月28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
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19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
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
已删除
将门创投
5+阅读 · 2018年11月27日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
0+阅读 · 2021年8月12日
Arxiv
0+阅读 · 2021年8月12日
Arxiv
0+阅读 · 2021年8月10日
VIP会员
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19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
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
已删除
将门创投
5+阅读 · 2018年11月27日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员