一种用于粒子模拟的无监督机器学习高斯混合检查点-重启算法
分布式、并行与集群计算
2021-05-31 v1 机器学习
摘要
我们提出了一种用于粒子模拟（PIC）算法的无监督机器学习检查点-重启（CR）有损算法，使用高斯混合（GM）。该算法包含粒子压缩阶段和粒子重建阶段，分别构造并重新采样连续粒子分布函数。为保证CR过程的保真度，我们确保压缩和重建阶段在网格各处精确守恒电荷、动量和能量。我们还确保粒子重建后高斯定律的守恒。结果表明，GM CR算法提供了一种干净、守恒的重启能力，同时可能在输入输出需求上节省数量级的成本。我们使用最近开发的精确能量和电荷守恒PIC算法在相关物理问题上演示了该算法，压缩因子且对重启动力学的质量无明显影响。
引用
@article{arxiv.2105.13797,
title = {An unsupervised machine-learning checkpoint-restart algorithm using Gaussian mixtures for particle-in-cell simulations},
author = {Guangye Chen and Luis Chacón and Truong B. Nguyen},
journal= {arXiv preprint arXiv:2105.13797},
year = {2021}
}
备注
Extended abstract for Supercheck21. arXiv admin note: substantial text overlap with arXiv:2007.12273