The concept of fully adaptive multiresolution finite volume schemes has been developed and investigated during the past decade. Here grid adaptation is realized by performing a multiscale decomposition of the discrete data at hand. By means of hard thresholding the resulting multiscale data are compressed. From the remaining data a locally refined grid is constructed.The aim of the present work is to give a self-contained overview on the construction of an appropriate multiresolution analysis using biorthogonal wavelets, its efficient realization by means of hash maps using global cell identifiers and the parallelization of the multiresolution-based grid adaptation via MPI using space-filling curves.Résumé. Le concept des schémas de volumes finis multi-échelles et adaptatifs aété développé et etudié pendant les dix dernières années. Ici le maillage adaptatif est réalisé en effectuant une décomposition multi-échelle des données discrètes proches. En les tronquantà l'aide d'une valeur seuil fixée, les données multi-échelles obtenues sont compressées. A partir de celles-ci, le maillage est raffiné localement.Le but de ce travail est de donner un aperçu concis de la construction d'une analyse appropriée de multiresolution utilisant les fonctions ondelettes biorthogonales, de son efficacité d'application en terme de tables de hachage en utilisant des identification globales de cellule et de la parallélisation du maillage adaptatif multirésolution via MPIà l'aide des courbes remplissantes.
Le concept des schémas de volumes finis multi-échelles et adaptatifs aété développé et etudié pendant les dix dernières années. Jusqu'à maintenant il aété utilisé avec succès dans de multiples applications provenant de l'ingéniérie. Dans le but de réaliser des simulations en 3D avec des géométries complexes en un temps de calcul raisonnable, la stratégie de maillage adaptatif multi-échelles a duêtre parallélisée via MPI pour des architecturesà mémoires partagées. Pour de bonnes performances du point de vue du temps de calcul et de la gestion de la mémoire, la quantité de données doitêtre bien répartie et la communication entre les processeurs doitêtre minimisée. Ceci aété réaliséà l'aide des courbes remplissantes.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.