A graph convolutional autoencoder approach to model order reduction for parametrized PDEs

The present work proposes a framework for nonlinear model order reduction based on a Graph Convolutional Autoencoder (GCA-ROM). In the reduced order modeling (ROM) context, one is interested in obtaining real-time and many-query evaluations of parametric Partial Differential Equations (PDEs). Linear...

Celý popis

Podrobná bibliografie

Vydáno v:	Journal of computational physics Ročník 501; s. 112762
Hlavní autoři:	Pichi, Federico, Moya, Beatriz, Hesthaven, Jan S.
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Inc 15.03.2024
Témata:	Convolutional autoencoder Geometrical parameters Graph neural networks Nonlinear reduced order modeling Parametric PDEs Nonlinear reduced order modeling Parametric PDEs Graph neural networks Geometrical parameters Convolutional autoencoder
ISSN:	0021-9991, 1090-2716
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!