In this work, we introduce an inverse averaging finite element method (IAFEM) for solving the size-modified Poisson-Nernst-Planck (SMPNP) equations. Comparing with the classical Poisson-Nernst-Planck (PNP) equations, the SMPNP equations add a nonlinear term to each of the Nernst-Planck (NP) fluxes to describe the steric repulsion which can treat multiple nonuniform particle sizes in simulations. Since the new terms include sums and gradients of ion concentrations, the nonlinear coupling of SMPNP equations is much stronger than that of PNP equations. By introducing a generalized Slotboom transform, each of the size-modified NP equation is transformed into a self-adjoint equation with exponentially behaved coefficient, which has similar simple form to the standard NP equation with the Slotboom transformation. This treatment enables employing our recently developed inverse averaging technique to deal with the exponential coefficients of the reformulated formulations, featured with advantages of numerical stability and flux conservation especially in strong nonlinear and convection-dominated cases. Comparing with previous stabilization methods, the IAFEM proposed in this paper can still possess the numerical stability when dealing with convection-dominated problems. And it is more concise and easier to be numerically implemented. Numerical experiments about a model problem with analytic solutions are presented to verify the accuracy and order of IAFEM for SMPNP equations. Studies about the size-effects of a sphere model and an ion channel system are presented to show that our IAFEM is more effective and robust than the traditional finite element method (FEM) when solving SMPNP equations in simulations of biological systems.


翻译:在这项工作中,我们引入了一种反平均限量元素法(IAFEM),用于解决大小修改后的 Poisson-Nernst-Planck(SMPNP)方程式。与古典Poisson-Nernst-Planck(PNP)方程式相比,SMPNP方程式在Nernst-Planck(NPNP)每种通量中都增加了一个非线性词,用来描述在模拟中处理多种非单式粒子大小。由于新术语包括了离子浓度的数值和梯度,SMPNPP方程式的非线性联变异性比PNPNP的等式要强得多。通过引入通用的Slotboopmus(SMPNPP)方程式变异性变异性变异性(SMPMNP)等式模型可以使用我们最近开发的逆性平均技术来处理重新配制的指数系数,其特点是数字稳定性的优点和变异性变式变异性变异性变异性变异性变法,在坚固的IMFIMA的系统中,这个变型变变的SMA的变型变型变变变变变型中, 和变型的SMA变型的系统则则将显示的变的变的变现的变式系统将比前的变的变的变的变的变型号都的变的变的变型法, 的变型法是更易性变式的变式的变型式的变型式的变型式的变型式, 。

0
下载
关闭预览

相关内容

【如何做研究】How to research ,22页ppt
专知会员服务
108+阅读 · 2021年4月17日
专知会员服务
22+阅读 · 2021年4月10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
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【仿真】仿真软件十年回顾和展望(整理版)
产业智能官
7+阅读 · 2020年7月17日
鲁棒机器学习相关文献集
专知
8+阅读 · 2019年8月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7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
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11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
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Waveform inversion via reduced order modeling
Arxiv
0+阅读 · 2022年2月7日
Arxiv
3+阅读 · 2017年12月1日
VIP会员
相关资讯
【仿真】仿真软件十年回顾和展望(整理版)
产业智能官
7+阅读 · 2020年7月17日
鲁棒机器学习相关文献集
专知
8+阅读 · 2019年8月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7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
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11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
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8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