TU Darmstadt / ULB / TUbiblio

An Algorithmic Comparison of the Hyper-Reduction and the Discrete Empirical Interpolation Method for a Nonlinear Thermal Problem

Fritzen, Felix ; Haasdonk, Bernard ; Ryckelynck, David ; Schöps, Sebastian (2023)
An Algorithmic Comparison of the Hyper-Reduction and the Discrete Empirical Interpolation Method for a Nonlinear Thermal Problem.
In: Mathematical and Computational Applications, 2018, 23 (1)
doi: 10.26083/tuprints-00016945
Artikel, Zweitveröffentlichung, Verlagsversion

WarnungEs ist eine neuere Version dieses Eintrags verfügbar.

Kurzbeschreibung (Abstract)

A novel algorithmic discussion of the methodological and numerical differences of competing parametric model reduction techniques for nonlinear problems is presented. First, the Galerkin reduced basis (RB) formulation is presented, which fails at providing significant gains with respect to the computational efficiency for nonlinear problems. Renowned methods for the reduction of the computing time of nonlinear reduced order models are the Hyper-Reduction and the (Discrete) Empirical Interpolation Method (EIM, DEIM). An algorithmic description and a methodological comparison of both methods are provided. The accuracy of the predictions of the hyper-reduced model and the (D)EIM in comparison to the Galerkin RB is investigated. All three approaches are applied to a simple uncertainty quantification of a planar nonlinear thermal conduction problem. The results are compared to computationally intense finite element simulations.

Typ des Eintrags: Artikel
Erschienen: 2023
Autor(en): Fritzen, Felix ; Haasdonk, Bernard ; Ryckelynck, David ; Schöps, Sebastian
Art des Eintrags: Zweitveröffentlichung
Titel: An Algorithmic Comparison of the Hyper-Reduction and the Discrete Empirical Interpolation Method for a Nonlinear Thermal Problem
Sprache: Englisch
Publikationsjahr: 20 November 2023
Ort: Darmstadt
Publikationsdatum der Erstveröffentlichung: 2018
Ort der Erstveröffentlichung: Basel
Verlag: MDPI
Titel der Zeitschrift, Zeitung oder Schriftenreihe: Mathematical and Computational Applications
Jahrgang/Volume einer Zeitschrift: 23
(Heft-)Nummer: 1
Kollation: 25 Seiten
DOI: 10.26083/tuprints-00016945
URL / URN: https://tuprints.ulb.tu-darmstadt.de/16945
Zugehörige Links:
Herkunft: Zweitveröffentlichung DeepGreen
Kurzbeschreibung (Abstract):

A novel algorithmic discussion of the methodological and numerical differences of competing parametric model reduction techniques for nonlinear problems is presented. First, the Galerkin reduced basis (RB) formulation is presented, which fails at providing significant gains with respect to the computational efficiency for nonlinear problems. Renowned methods for the reduction of the computing time of nonlinear reduced order models are the Hyper-Reduction and the (Discrete) Empirical Interpolation Method (EIM, DEIM). An algorithmic description and a methodological comparison of both methods are provided. The accuracy of the predictions of the hyper-reduced model and the (D)EIM in comparison to the Galerkin RB is investigated. All three approaches are applied to a simple uncertainty quantification of a planar nonlinear thermal conduction problem. The results are compared to computationally intense finite element simulations.

Freie Schlagworte: model order reduction (MOR), reduced basis model order reduction (RB MOR), uncertainty quantification (UQ), (discrete) empirical interpolation method (EIM, DEIM), hyper-reduction (HR)
Status: Verlagsversion
URN: urn:nbn:de:tuda-tuprints-169455
Zusätzliche Informationen:

This article belongs to the Section Engineering

Sachgruppe der Dewey Dezimalklassifikatin (DDC): 000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik
600 Technik, Medizin, angewandte Wissenschaften > 621.3 Elektrotechnik, Elektronik
Fachbereich(e)/-gebiet(e): 18 Fachbereich Elektrotechnik und Informationstechnik
18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Teilchenbeschleunigung und Theorie Elektromagnetische Felder
Exzellenzinitiative
Exzellenzinitiative > Graduiertenschulen
Exzellenzinitiative > Graduiertenschulen > Graduate School of Computational Engineering (CE)
Hinterlegungsdatum: 20 Nov 2023 15:10
Letzte Änderung: 27 Nov 2023 11:15
PPN:
Export:
Suche nach Titel in: TUfind oder in Google

Verfügbare Versionen dieses Eintrags

Frage zum Eintrag Frage zum Eintrag

Optionen (nur für Redakteure)
Redaktionelle Details anzeigen Redaktionelle Details anzeigen