저자 실험의 적응형 FEM

이 페이지의 내용

Brodbeck, Bertrand 및 Ricken의 결과 하나를 다시 실행해 보세요. FEniCSx를 사용한 플럭스 및 응력 평형을 기반으로 한 적응형 유한 요소법, arXiv:2410.09764v1, 섹션 4.1, 그림 2(a). 관련 2026년 챕터 출판 제목이 짧아졌습니다. 이 비교에서는 사전 인쇄의 대상 테이블을 명시적으로 사용합니다.

문제는 적응성이 계수-계면 특이점을 해결하는 동안 평형화된 플럭스가 효율적인 오류 추정을 제공하는지 여부입니다. 이 실행에서는 작성자의 실제 case_poisson_riviere/solve_riviere.py, 대체 구현이 아닙니다. 이는 대비 5, P1 원초/RT2 플럭스 케이스, Dörfler 매개변수 0.5 및 20개의 정제 수준을 모두 선택합니다.

재실행#

Git 및 micromamba가 포함된 Linux x86-64에서는 이 가이드를 보관하세요. bootstrap-afem.py, conda-linux64.lock, 그리고 run-afem.py 함께:

python3 bootstrap-afem.py --work afem-work
OMP_NUM_THREADS=1 OPENBLAS_NUM_THREADS=1 OMPI_MCA_btl=self,tcp \
XDG_CACHE_HOME="$PWD/afem-work/cache" MPLCONFIGDIR="$PWD/afem-work/cache/matplotlib" \
afem-work/env/bin/python run-afem.py --source afem-work/source --output afem-work/results

잠금은 테스트된 conda 레이어를 캡처합니다. 그런 다음 부트스트랩은 기록된 setuptools 80.9.0 호환성 핀을 적용하고 정확한 dolfinx_eqlb v1.2.0 커밋을 빌드하고 해당 바인딩을 설치합니다. 래퍼/Eigen 포함 경로 주소 빌드 검색이 추가되었습니다. 작성자 패키지의 내부 버전 문자열은 v1.2.0 Git 태그에서도 1.1.0이므로 커밋은 소스를 식별합니다. 수치 소스는 변경되지 않습니다.

원래 작성 환경에서는 DOLFINx 0.6.0 Docker 이미지를 사용합니다. 여기서는 DOLFINx 0.6.0, Python 3.10, PETSc 3.19.6 및 해당 conda 패키지가 해당 컨테이너를 대체합니다. 실행 호스트에서 Docker를 사용할 수 없습니다. 설치 프로그램은 약 0.61GB의 conda 패키지를 다운로드했습니다. 여기서 선택한 계산에는 8.12초가 걸렸습니다. 하드웨어 종속 런타임이 예시입니다.

실제 비교#

마지막 개선 이후에 관찰 가능 그림 2(a) 이 실행 확인
관찰된 수렴 순서 0.50 0.5021171064 0.005 이내
추정기 효율성 1.06 1.0627164504 0.005 이내

0.005 임계값은 수치 실행 전에 선언되었으며 두 자리 참조 테이블에서 마지막으로 인쇄된 단위의 절반에 해당합니다. 이 경우 보고 정확성에 대한 합의가 이루어졌습니다. 기사의 모든 결과를 확립하지는 않습니다.

최종 원시 해법은 자유도 183,899, 실제 에너지 오류 0.0094834760, 추정 오류 0.0100782460을 갖습니다. CSV에는 20개의 상세 수준이 모두 포함되어 있습니다. XDMF/HDF5 파일은 적응형 메시와 오류 표시기 필드를 유지합니다. 이러한 파일에는 각 반복 후에 새로 개선된 메쉬가 포함되므로 최종 메쉬는 마지막 CSV 해석 메쉬와 다를 수 있습니다.

run-record.json 선택한 입력, 비교 및 출력 해시를 기록합니다. CSV, 그림, 전체 실행 로그를 함께 보관하세요. 인간의 과학적 검토는 아직 보류 중입니다.

소스 및 용어#

작성자 실험 커밋: 3d9741498712c13ce901f5fbd6255a82a3cec1ac. Flux 라이브러리 태그 v1.2.0 커밋: 16f5ea6e16aa15d856381e32a3be5fc2f913215a. 작성자 실험 파일에는 LGPL-3.0 이상 SPDX 공지가 있습니다. 저장소의 LICENSE와 README가 다릅니다. 이 번들은 업스트림 코드를 검색하고 라이선스를 다시 부여하는 대신 해당 고지 사항을 보존합니다. OSRI의 원래 하네스는 MIT를 사용합니다. 생성된 비교 수치와 수치 결과는 소스 속성과 공유될 수 있습니다.

실패한 시도는 계속 기록됩니다: 초기 환경 접두사 철자; pkg_resources가 필요한 UFL; 누락된 래퍼 및 Eigen에는 바인딩 빌드 중에 경로가 포함됩니다. 이러한 실패는 수치 출력 전에 발생했습니다. 성공적인 작성자 스크립트는 변경되지 않습니다.

녹음된 파일을 다운로드하세요#

완전한 실행 기록 · 모든 후보자 시도. 인간의 과학적 검토가 보류 중입니다.

GitHub에서 소스 보기