弾力性のある効率的なCFDフレームワーク:多重忠実度および不均一情報融合のための統計的学習ツール【Powered by NICT】

Lee Seungjoon; Kevrekidis Ioannis G.; Karniadakis George Em

文献

J-GLOBAL ID：201802290207823586 整理番号：18A0276890

弾力性のある効率的なCFDフレームワーク:多重忠実度および不均一情報融合のための統計的学習ツール【Powered by NICT】

A resilient and efficient CFD framework: Statistical learning tools for multi-fidelity and heterogeneous information fusion

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=18A0276890&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=18A0276890&from=J-GLOBAL&jstjournalNo=B0860A") }}

著者 (3件)： , ,
資料名：
巻： 344 ページ： 516-533 発行年： 2017年
JST資料番号： B0860A ISSN： 0021-9991 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

エクサスケールレベルシミュレーションは計算中の反復と期待されるソフトウエアおよび/またはハードウエア故障に対してロバストであることを故障弾力性のあるアルゴリズム,シミュレーション結果は,不満足なせるを必要とする。各プロセッサが粗く,限定された精度が比較的費用のかからない補助シミュレータからのシミュレーションに関するいくつかの情報を共有することができれば,統計的学習技術マルチレベルGauss過程回帰に必要な時間で失われた空間データを埋める,フライにできるこれは以前の研究で示されている。以前の研究に基づいて,筆者らはまた時間における計算冗長性を検出し,従って射影時間積分によるシミュレーションを加速し,「パッチ動力学」フレーバーを全体的な計算を与えることを他の(非線形)統計的学習法,拡散マップ,を採用した。さらに,多重忠実度および不均一データ(確率的データを含む)と情報融合を行うことが可能になりつつある。最後に,新しい適応時間ステップ精密化法を用いた,原理的に,多重忠実度と分解能シミュレーション(および実験)からの情報融合技術を組み合わせた,パッチシミュレーションと呼ばれる計算機流体力学における新しいフレームワークの基礎を設定した。統計的学習ツールを伝統的な科学計算アルゴリズムにもたらすことができる新しい能力を実証するために二つのベンチマーク問題(熱伝導方程式およびNavier-Stokes方程式)を提案した。各問題に対して,不均一と多重-忠実度データに依存しており,同じ方程式の粗いシミュレーションまたは確率的粒子ベース,より「微視的」シミュレーションからのいずれかであった。は,このような「補助」モデルとして,熱方程式のためのモンテカルロランダムウォークとNavier-Stokes方程式のための散逸粒子動力学(DPD)モデルを考察した。より広くは,この論文では,エクサスケールシミュレーションにおける統計的学習,領域分割,および科学計算の共生的および相乗的組合せを実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (7件)： , , , , , ,

流体動力学一般

, , , , , , ,

前のページに戻る