Compatible discretizations, such as finite element exterior calculus, provide a discretization framework that respect the cohomological structure of the de Rham complex, which can be used to systematically construct stable mixed finite element methods. Multisymplectic variational integrators are a class of geometric numerical integrators for Lagrangian and Hamiltonian field theories, and they yield methods that preserve the multisymplectic structure and momentum-conservation properties of the continuous system. In this paper, we investigate the synthesis of these two approaches, by constructing discretization of the variational principle for Lagrangian field theories utilizing structure-preserving finite element projections. In our investigation, compatible discretization by cochain projections plays a pivotal role in the preservation of the variational structure at the discrete level, allowing the discrete variational structure to essentially be the restriction of the continuum variational structure to a finite-dimensional subspace. The preservation of the variational structure at the discrete level will allow us to construct a discrete Cartan form, which encodes the variational structure of the discrete theory, and subsequently, we utilize the discrete Cartan form to naturally state discrete analogues of Noether's theorem and multisymplecticity, which generalize those introduced in the discrete Lagrangian variational framework by Marsden et al. [29]. We will study both covariant spacetime discretization and canonical spatial semi-discretization, and subsequently relate the two in the case of spacetime tensor product finite element spaces.


翻译:离散的分解性(如外部微积分有限元素)提供了尊重德兰姆综合体共振结构的离散性框架,这一框架可用于系统地构建稳定的混合性元素方法。 多相位变异性混合体是拉格朗吉亚和汉密尔顿场理论的几何数字集成体,它们产生的方法可以保护连续系统的多视性结构和动力保护特性。在本文中,我们研究这两种方法的合成性,利用结构保持的离散性软性元素预测,为拉格朗吉亚的实地理论建立离散性原则。在我们的调查中,由共链预测兼容的离散性分解性元素在维护离散的火星结构方面发挥着关键作用,使离散性变异性结构基本上成为将连续性变异结构限制于一个有限的维度子空间。在离异性层次上维护变异性结构将使我们能够构建一个离散的卡坦形式,它能将离离异性理论的分解性结构与分解性硬度理论的分解性结构分解化,随后,我们利用离质的离质变异性软性软性软性软性软性软性模型来研究。

0
下载
关闭预览

相关内容

自动结构变分推理,Automatic structured variational inference
专知会员服务
39+阅读 · 2020年2月10日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17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
【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
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7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
已删除
将门创投
3+阅读 · 2017年10月27日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关VIP内容
相关资讯
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7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
已删除
将门创投
3+阅读 · 2017年10月27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