Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2504.04501

帮助 | 高级搜索

数学 > 数值分析

arXiv:2504.04501 (math)
[提交于 2025年4月6日 ]

标题: 保正的高阶半拉格朗日谱体积法求解Vlasov-Poisson方程

标题: The positivity-preserving high-order semi-Lagrangian spectral volume method for Vlasov-Poisson equations

Authors:Xinyue Zhang, Xiaofeng Cai, Waixiang Cao
摘要: 本文提出了一种新的高阶半拉格朗日(SL)谱体积(SV)方法,并通过算子分裂技术研究了其在非线性 Vlasov-Poisson(VP)模拟中的应用。所提出的算法结合了半拉格朗日法和谱体积法的优点,表现出强稳定性、在大时间步长下的鲁棒性、空间上的任意高阶精度、局部质量守恒以及正性保持能力。对应用于一维和二维输运方程、Vlasov-Poisson 系统以及包括朗道阻尼和双流不稳定现象在内的经典基准问题的 SLSV 方法进行了数值研究,证实了我们算法在处理复杂非线性现象方面的有效性、准确性和鲁棒性。
摘要: In this paper, a novel high order semi-Lagrangian (SL) spectral volume (SV) method is proposed and studied for nonlinear Vlasov-Poisson (VP) simulations via operator splitting. The proposed algorithm combines both advantages of semi-Lagrangian and spectral volume approaches, exhibiting strong stability, robustness under large time steps, arbitrary high-order accuracy in space, local mass conservation, and positivity preservation. Numerical study of the SLSV method applied to the one-dimensional and two-dimensional transport equations, the Vlasov-Poisson system, the classical benchmark problems including Landau damping and two-stream instabilities is conducted, confirming the effectiveness, accuracy, and robustness of our algorithm in addressing complex nonlinear phenomena.
评论: 25页,19幅图
主题: 数值分析 (math.NA)
引用方式: arXiv:2504.04501 [math.NA]
  (或者 arXiv:2504.04501v1 [math.NA] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.04501
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Xinyue Zhang [查看电子邮件]
[v1] 星期日, 2025 年 4 月 6 日 14:23:17 UTC (7,247 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
math.NA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-04
切换浏览方式为:
cs
cs.NA
math

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号