S'abonner

A perturbation-method-based a posteriori estimator for the planewave discretization of nonlinear Schrödinger equations - 16/10/14

Doi : 10.1016/j.crma.2014.09.014 
Éric Cancès a , Geneviève Dusson b, c , Yvon Maday b, d, e , Benjamin Stamm b , Martin Vohralík f
a Université Paris-Est, CERMICS, École des ponts and INRIA, 6 & 8, av. Blaise Pascal, 77455 Marne-la-Vallée cedex 2, France 
b Sorbonne Universités, UPMC–Université Paris-6 and CNRS, UMR 7598, Laboratoire Jacques-Louis-Lions, 75005 Paris, France 
c Sorbonne Université, UPMC–Université Paris-6, Institut du calcul et de la simulation, 75005 Paris, France 
d Institut universitaire de France, 75005 Paris, France 
e Division of Applied Mathematics, Brown University, 182 George St, Providence, RI 02912, USA 
f INRIA Paris-Rocquencourt, domaine de Voluceau-Rocquencourt, BP 105, 78153 Le Chesnay, France 

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 6
Iconographies 1
Vidéos 0
Autres 0

Abstract

In this Note, we propose a new method, based on perturbation theory, to post-process the planewave approximation of the eigenmodes of periodic Schrödinger operators. We then use this post-processing to construct an accurate a posteriori estimator for the approximations of the (nonlinear) Gross–Pitaevskii equation, valid at each step of a self-consistent procedure. This allows us to design an adaptive algorithm for solving the Gross–Pitaevskii equation, which automatically refines the discretization along the convergence of the iterative process, by means of adaptive stopping criteria.

Le texte complet de cet article est disponible en PDF.

Résumé

Dans cette Note, nous proposons une nouvelle méthode, basée sur la théorie des perturbations, pour post-traiter l'approximation dans une base d'ondes planes des modes propres d'opérateurs de Schrödinger périodiques. Nous utilisons ensuite ce post-traitement pour construire un estimateur d'erreur a posteriori pour les approximations de l'équation de Gross–Pitaevskii (non linéaire), valide à chaque étape de la procédure auto-cohérente. Ceci nous permet de proposer un algorithme adaptatif pour résoudre cette équation, qui raffine automatiquement la discrétisation au cours du processus itératif, par le biais de critères d'arrêt adaptatifs.

Le texte complet de cet article est disponible en PDF.

Plan


© 2014  Académie des sciences. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 352 - N° 11

P. 941-946 - novembre 2014 Retour au numéro
Article précédent Article précédent
  • Probabilities of hitting a convex hull
  • Zhenxia Liu, Xiangfeng Yang
| Article suivant Article suivant
  • Correction non linéaire d'ordre 2 et principe du maximum pour la discrétisation d'opérateurs de diffusion
  • Christophe Le Potier

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.