We develop a novel Monte Carlo strategy for the simulation of the Boltzmann-BGK model with both low-collisional and high-collisional regimes present. The presented solution to maintain accuracy in low-collisional regimes and remove exploding simulation costs in high-collisional regimes uses hybridized particles that exhibit both kinetic behaviour and diffusive behaviour depending on the local collisionality. In this work, we develop such a method that maintains the correct mean, variance, and correlation of the positional increments over multiple time steps of fixed step size for all values of the collisionality, under the condition of spatial homogeneity during the time step. In the low-collisional regime, the method reverts to the standard velocity-jump process. In the high-collisional regime, the method collapses to a standard random walk process. We analyze the error of the presented scheme in the low-collisional regime for which we obtain the order of convergence in the time step size. We furthermore provide an analysis in the high-collisional regime that demonstrates the asymptotic-preserving property.


翻译:我们为模拟Boltzmann-BGK模型开发了一个新型的蒙特卡洛战略,模拟Boltzmann-BGK模型,该模型同时具有低等级和高等级制度;为保持低等级制度的准确性和消除高等级制度中的爆炸性模拟成本而提出的解决方案,使用根据局部碰撞性而表现出动能行为和悬浮行为的混合颗粒;在这项工作中,我们开发了这样一种方法,在时间步骤空间同质性条件下,保持碰撞所有数值在固定步骤大小的多个时间步骤上的方位递增的正确平均值、差异和相关性;在低等级制度中,该方法恢复到标准速度跳跃过程;在高等级制度中,该方法崩溃到标准的随机行走过程;我们分析了低等级制度中所提出的办法的错误,我们为此在时间步骤大小上取得了趋同的顺序。我们还对高等级制度进行了分析,以显示保留财产的高度速度。

0
下载
关闭预览

相关内容

专知会员服务
45+阅读 · 2020年10月31日
专知会员服务
53+阅读 · 2020年9月7日
【DeepMind】强化学习教程,83页ppt
专知会员服务
158+阅读 · 2020年8月7日
专知会员服务
162+阅读 · 2020年1月16日
强化学习最新教程,17页pdf
专知会员服务
181+阅读 · 2019年10月11日
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
43+阅读 · 2019年1月3日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
已删除
将门创投
12+阅读 · 2017年10月13日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
0+阅读 · 2021年2月17日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
43+阅读 · 2019年1月3日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
已删除
将门创投
12+阅读 · 2017年10月13日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员