A finite difference numerical scheme is proposed and analyzed for the Cahn-Hilliard-Stokes system with Flory-Huggins energy functional. A convex splitting is applied to the chemical potential, which in turns leads to the implicit treatment for the singular logarithmic terms and the surface diffusion term, and an explicit update for the expansive concave term. The convective term for the phase variable, as well as the coupled term in the Stokes equation, are approximated in a semi-implicit manner. In the spatial discretization, the marker and cell (MAC) difference method is applied, which evaluates the velocity components, the pressure and the phase variable at different cell locations. Such an approach ensures the divergence-free feature of the discrete velocity, and this property plays an important role in the analysis. The positivity-preserving property and the unique solvability of the proposed numerical scheme are theoretically justified, utilizing the singular nature of the logarithmic term as the phase variable approaches the singular limit values. An unconditional energy stability analysis is standard, as an outcome of the convex-concave decomposition technique. A convergence analysis with accompanying error estimate is provided for the proposed numerical scheme. In particular, a higher order consistency analysis, accomplished by supplementary functions, is performed to ensure the separation properties of numerical solution. In turn, using the approach of rough and refined error (RRE) estimates, we are able to derive an optimal rate convergence. To conclude, several numerical experiments are presented to validate the theoretical analysis.


翻译:Cahn-Hilliard-Stokes系统Flory-Huggins能量势的保正数数值格式的收敛性分析 翻译后的摘要: 本文针对带有Flory-Huggins 能量泛函的Cahn-Hilliard-Stokes 系统提出并分析了一种有限差分数值格式。对于化学势,采用了凸分裂方法,从而隐式处理奇异的对数项和表面扩散项,并且显式更新膨胀的凹形项。相变变量的对流项以及Stokes方程中的耦合项以半隐式方法近似。在空间离散化方面,采用了标记和单元格(MAC)差分方法,在不同单元格位置评估速度分量、压力和相变量。这种方法确保离散速度具有无散特性,而这一特性在分析中起着重要作用。理论上证明了所提出的数值格式的正数性和唯一可解性,利用相变变量接近奇异极限值时的奇异性质。使用凸凹分解技术,无条件的能量稳定性分析是标准的。为所提出的数值格式提供了收敛分析和伴随误差估计。特别地,通过补充函数完成高阶一致性分析以确保数值解的分离特性。通过粗略和精细误差(RRE)估计的方法,我们能够得出最优的收敛速率。最后,本文给出了若干数值实验证明了理论分析。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
50+阅读 · 2020年12月14日
【Google】平滑对抗训练,Smooth Adversarial Training
专知会员服务
48+阅读 · 2020年7月4日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6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
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9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
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2023年5月11日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6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
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9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
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
相关基金
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Top
微信扫码咨询专知VIP会员