An efficient numerical solver for the A-Phi formulation in electromagnetics based on the discrete exterior calculus (DEC) is proposed in this paper. The A-Phi formulation is immune to low-frequency breakdown and ideal for broadband and multi-scale analysis. The generalized Lorenz gauge is used in this paper, which decouples the A equation and the Phi equation. The A-Phi formulation is discretized by using the DEC, which is the discretized version of the exterior calculus in differential geometry. In general, DEC can be viewed as a generalized version of the finite difference method, where Stokes' theorem and Gauss's theorem are naturally preserved. Furthermore, compared with finite difference method, where rectangular grids are applied, DEC can be implemented with unstructured mesh schemes, such as tetrahedral meshes. Thus, the proposed DEC A-Phi solver is inherently stable, free of spurious solutions and can capture highly complex structures efficiently. In this paper, the background knowledge about the A-Phi formulation and DEC is introduced, as well as technical details in implementing the DEC A-Phi solver with different boundary conditions. Numerical examples are provided for validation purposes as well.


翻译:A-Phi配方基于离散外部微积分(DEC)的电磁配方的高效数字求解器在本文件中提出。A-Phi配方不受低频分解的影响,对于宽带和多尺度分析来说是理想的。本文使用通用Lorenz测量仪,它分解了A等式和Phi等式。A-Phi配方通过使用DEC(DEC)将A-Phi配方分解,这是外部微积分的离散版本,不同几何分。一般来说,DEC可被视为有限差异法的通用版本,Stoks'Theorem和Gauss的标语是自然保存的。此外,与有限差异法相比,在应用矩形网格时,DEC可以使用非结构化的网格方案,如四面线线线线线线线线线等实施。因此,拟议的DEC A-P-Phi解算器具有固有的稳定性,可以有效地捕捉到高度复杂的结构。在本文中,关于A-Phi配方制和高尺度的方格方格定方方圆的理论,作为技术细节,作为执行的范例,作为N-DEC的范例,作为Nucial-deal deplical deplical deplatedex pre pre pre pre deplatementalmental deplations and pre pre pre pre pre pre pre pre pre pre primental deplations prementalmental develdimental develdimentaldexmentaldexmentalmental declementaldexmentaldex 和提供不同的技术细节,作为不同的解释。

0
下载
关闭预览

相关内容

神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
专知会员服务
159+阅读 · 2020年1月16日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+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
征稿 | CFP:Special Issue of NLP and KG(JCR Q2,IF2.67)
开放知识图谱
1+阅读 · 2022年4月4日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12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
国家自然科学基金
0+阅读 · 2014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
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
23+阅读 · 2022年2月4日
VIP会员
相关VIP内容
相关资讯
征稿 | CFP:Special Issue of NLP and KG(JCR Q2,IF2.67)
开放知识图谱
1+阅读 · 2022年4月4日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12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
相关基金
国家自然科学基金
0+阅读 · 2014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
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员