In this paper, we propose and analyze a time-stepping method for the time fractional Allen-Cahn equation. The key property of the proposed method is its unconditional stability for general meshes, including the graded mesh commonly used for this type of equations. The unconditional stability is proved through establishing a discrete nonlocal free energy dispassion law, which is also true for the continuous problem. The main idea used in the analysis is to split the time fractional derivative into two parts: a local part and a history part, which are discretized by the well known L1, L1-CN, and $L1^{+}$-CN schemes. Then an extended auxiliary variable approach is used to deal with the nonlinear and history term. The main contributions of the paper are: First, it is found that the time fractional Allen-Chan equation is a dissipative system related to a nonlocal free energy. Second, we construct efficient time stepping schemes satisfying the same dissipation law at the discrete level. In particular, we prove that the proposed schemes are unconditionally stable for quite general meshes. Finally, the efficiency of the proposed method is verified by a series of numerical experiments.


翻译:在本文中,我们提出并分析一个时间分数艾伦-卡恩方程式的时间步骤方法。 提议的方法的关键属性是它对于一般的meshes 无条件稳定, 包括通常用于这类方程式的分级网格。 无条件稳定通过建立离散的非本地自由能源消散法得到证明, 这对于持续的问题也是一样。 分析中使用的主要想法是将时间分数衍生物分为两个部分: 一个局部部分和一个历史部分, 由众所周知的L1、 L1- CN 和 $1- CN 计划分解。 然后, 使用一个扩展的辅助变量方法来处理非线性和历史术语。 论文的主要贡献是: 首先, 发现时间分数 Allen- Chan 方程式是一个与非本地自由能源相关的分解系统。 其次, 我们构建高效的时间分级计划满足离散法。 特别是, 我们证明, 拟议的计划对于非常普遍的中间线和历史术语是无条件稳定的。 最后, 提议的数字实验的效率通过一系列数字实验得到验证。

0
下载
关闭预览

相关内容

专知会员服务
56+阅读 · 2021年4月12日
专知会员服务
52+阅读 · 2020年9月7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
【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
MIT新书《强化学习与最优控制》
专知会员服务
275+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
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
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15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】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关资讯
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
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15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】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21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