Recently a splitting approach has been presented for the simulation of sonic-boom propagation. Splitting methods allow one to divide complicated partial differential equations into simpler parts that are solved by specifically tailored numerical schemes. The present work proposes a second order exponential integrator for the numerical solution of sonic-boom propagation modelled through a dispersive equation with Burgers' nonlinearity. The linear terms are efficiently solved in frequency space through FFT, while the nonlinear terms are efficiently solved by a WENO scheme. The numerical method is designed to be highly parallelisable and therefore takes full advantage of modern computer hardware. The new approach also improves the accuracy compared to the splitting method and it reduces oscillations. The enclosed numerical results illustrate that parallelisation on a CPU results in a speedup of 22 times faster than the straightforward sequential version. The GPU implementation further accelerates the runtime by a factor 3, which improves to 5 when single precision is used instead of double precision.


翻译:最近为模拟声波传播提出了一种分离方法。 分裂方法允许将复杂的部分差异方程式分成更简单的部分,由专门定制的数字方法解决。 目前的作品提议了第二个顺序指数集成器, 用于通过布尔格斯的非线性分散式方程式模拟音波传播的数字解决方案。 线性术语通过FFFT在频率空间中有效解决, 非线性术语由WENO方案有效解决。 数字方法的设计是高度平行的, 从而充分利用现代计算机硬件。 新的方法还提高了与分离方法的准确性, 并减少了振动。 附加的数字结果显示, CPU的平行化速度比直截式顺序版本快22倍。 GPU的实施进一步加快了运行时间, 以因使用单一精度而不是双精度而提高到5倍的因子 3 。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14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
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
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
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25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
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
8+阅读 · 2021年4月21日
Arxiv
14+阅读 · 2020年12月17日
Arxiv
7+阅读 · 2020年6月29日
Arxiv
5+阅读 · 2017年12月14日
VIP会员
相关资讯
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
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25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
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员