The boundary element method (BEM) is an efficient numerical method for simulating harmonic wave scattering. It uses boundary integral formulations of the Helmholtz equation at the interfaces of piecewise homogeneous domains. The discretisation of its weak formulation leads to a dense system of linear equations, which is typically solved with an iterative linear method such as GMRES. The application of BEM to simulating wave scattering at large-scale geometries is only feasible when compression and preconditioning techniques reduce the computational footprint. Furthermore, many different boundary integral equations exist that solve the same boundary value problem. The choice of preconditioner and boundary integral formulation is often optimised for a specific configuration, depending on the geometry, material characteristics, and driving frequency. On the one hand, the design flexibility for the BEM can lead to fast and accurate schemes. On the other hand, efficient and robust algorithms are difficult to achieve without expert knowledge of the BEM intricacies. This study surveys the design of boundary integral formulations for acoustics and their acceleration with operator preconditioners. Extensive benchmarking provide valuable information on the computational characteristics of several hundred different models for multiple scattering and transmission of acoustic wave fields.


翻译:边界要素方法(BEM)是模拟调波散射的有效数字方法,它使用在片状同质域界面上的赫尔莫霍茨方程式的边界组合配方。其微弱配方的分解导致线性方程式的密集系统,通常用迭代线性方法(如GMRES)解决。只有在压缩和先决条件技术减少计算足迹时,才可能应用BEM在大规模地理偏差中模拟波散射。此外,还存在许多不同的边界组合方程式,可以解决相同的边界值问题。根据几何、物质特性和驱动频率,对先决条件方程式和边界组合配方的选取往往为特定配置的优化。一方面,BEM的设计灵活性可导致快速和准确的组合。另一方面,如果没有对BEM的内在复杂性的专业知识,高效和稳健的算法是难以实现的。这项研究调查了声波的边界组合配方及其与操作者前置波的加速度。广泛的基准提供数百个不同模型的计算特性的宝贵信息。

0
下载
关闭预览

相关内容

Integration:Integration, the VLSI Journal。 Explanation:集成,VLSI杂志。 Publisher:Elsevier。 SIT:http://dblp.uni-trier.de/db/journals/integration/
【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
Effective.Modern.C++ 中英文版,334页pdf
专知会员服务
67+阅读 · 2020年11月4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
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
【快讯】KDD2020论文出炉,216篇上榜, 你的paper中了吗?
专知会员服务
50+阅读 · 2020年5月16日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19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
【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
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
计算机 | ICDE 2020等国际会议信息8条
Call4Papers
3+阅读 · 2019年5月24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
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年9月8日
VIP会员
相关VIP内容
【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
Effective.Modern.C++ 中英文版,334页pdf
专知会员服务
67+阅读 · 2020年11月4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
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
【快讯】KDD2020论文出炉,216篇上榜, 你的paper中了吗?
专知会员服务
50+阅读 · 2020年5月16日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19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
【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
相关资讯
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
计算机 | ICDE 2020等国际会议信息8条
Call4Papers
3+阅读 · 2019年5月24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
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15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