Kernel Methods for Some Transport Equations with Application to Learning Kernels for the Approximation of Koopman Eigenfunctions: A Unified Approach via Variational Methods, Green's Functions and the Method of Characteristics

Cet article présente un cadre unifié combinant des principes variationnels, des fonctions de Green et la méthode des caractéristiques pour construire des noyaux d'apprentissage adaptés aux équations de transport, permettant ainsi l'approximation précise et robuste des fonctions propres de l'opérateur de Koopman via une optimisation convexe sans maillage.

Boumediene Hamzi, Houman Owhadi, Umesh VaidyaTue, 10 Ma🔢 math

A Gauss-Newton Method with No Additional PDE Solves Beyond Gradient Evaluation for Large-Scale PDE-Constrained Inverse Problems

Cet article propose une méthode de Gauss-Newton pour les problèmes d'inversion à grande échelle sous contraintes d'équations aux dérivées partielles, qui élimine le besoin de résolutions supplémentaires de PDE au-delà de celles requises pour l'évaluation du gradient, offrant ainsi une convergence rapide comparable à celle des méthodes de Gauss-Newton tout en conservant l'efficacité des schémas basés sur le gradient.

Cash Cherry, Samy Wu Fung, Luis Tenorio, Ebru Bozda\u{g}Tue, 10 Ma🔢 math

Finite element error analysis for elliptic parameter identification with power-type nonlinearity

Cet article établit des estimations de stabilité conditionnelle et des bornes d'erreur *a priori* pour la reconstruction numérique par éléments finis d'un problème d'identification de paramètres régi par des équations elliptiques à non-linéarité de type puissance, en étendant et en affinant les résultats antérieurs sur le cas linéaire sous des hypothèses de régularité plus faibles.

De-Han Chen, Yi-Hsuan Lin, Irwin YouseptTue, 10 Ma🔢 math

Full-Scale GPU-Accelerated Transient EM-Thermal-Mechanical Co-Simulation for Early-Stage Design of Advanced Packages

Cet article présente un solveur couplé électromagnétique-thermique-mécanique accéléré par GPU qui permet des simulations transitoires à grande échelle et non homogénéisées pour la conception précoce de packages avancés, comblant ainsi le fossé entre la fidélité physique et le temps de calcul afin de détecter des mécanismes de défaillance invisibles aux méthodes conventionnelles.

Hongyang Liu, Tejas Kulkarni, Ganesh Subbarayan, Cheng-Kok Koh, Dan JiaoTue, 10 Ma🔬 physics.app-ph

An Investigation of Stabilization Scaling in Finite-Strain Virtual Element Methods for Hyperelasticity

Cet article propose une méthode de stabilisation sans sous-maillage pour les éléments virtuels en hyperélasticité à grandes déformations, qui découple les contributions volumiques et déviatoriques pour éliminer le raidissement artificiel des modes isochores dans le régime quasi incompressible et garantir une robustesse spectrale uniforme.

Paulo Akira F. Enabe, Rodrigo ProvasiTue, 10 Ma🔢 math

A low-dissipation central scheme for ideal MHD

Cet article présente une extension d'un schéma central à faible dissipation, initialement développé pour les équations d'Euler, au système de magnétohydrodynamique idéale en une et deux dimensions, en combinant ce schéma pour les variables hydrodynamiques avec une méthode de transport contraint pour les variables magnétiques afin d'améliorer la résolution des discontinuités de contact tout en préservant la condition de divergence nulle du champ magnétique.

Yu-Chen Cheng, Praveen Chandrashekar, Christian KlingenbergTue, 10 Ma🔢 math

Weak Scalability of time parallel Schwarz methods for parabolic optimal control problems

Cet article présente une analyse théorique et numérique démontrant la faible évolutivité de la méthode de Schwarz parallèle en temps pour les problèmes de contrôle optimal paraboliques, en établissant de nouvelles bornes de convergence et en validant leur efficacité pour les simulations à grande échelle sur des architectures de calcul haute performance.

Liu-Di Lu, Tommaso VanzanTue, 10 Ma🔢 math

LegONet: Plug-and-Play Structure-Preserving Neural Operator Blocks for Compositional PDE Learning

Le papier présente LegONet, un cadre compositionnel modulaire qui construit des solveurs d'équations aux dérivées partielles (EDP) réutilisables et stables en assemblant des blocs opérateurs plug-and-play préservant la structure, séparant ainsi le traitement des conditions aux limites et l'intégration temporelle de l'apprentissage des mécanismes physiques.

Jiahao Zhang, Yueqi Wang, Guang LinTue, 10 Ma🔢 math

Caveats on formulating finite elasto-plasticity in curvilinear coordinates

Cet article propose une méthodologie pratique et étape par étape pour formuler correctement l'élastoplasticité à grandes déformations en coordonnées curvilignes, en clarifiant le traitement des termes cinématiques et anélastiques spécifiques aux bases non-cartésiennes afin de permettre une analyse par éléments finis robuste des problèmes axisymétriques.

Giuliano Pretti, Robert E. Bird, William M. Coombs, Charles E. AugardeTue, 10 Ma🔢 math