A machine learning strategy for computing interface curvature in Front-Tracking methods

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade de São Paulo (USP)-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.creatorFrança, Hugo L.-
Autor(es): dc.creatorOishi, Cassio M.-
Data de aceite: dc.date.accessioned2025-08-21T18:30:38Z-
Data de disponibilização: dc.date.available2025-08-21T18:30:38Z-
Data de envio: dc.date.issued2022-04-29-
Data de envio: dc.date.issued2022-04-29-
Data de envio: dc.date.issued2022-01-31-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1016/j.jcp.2021.110860-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/229983-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/229983-
Descrição: dc.descriptionIn this work we have described the application of a machine learning strategy to compute the interface curvature in the context of a Front-Tracking framework. Based on angular information of normal and tangential vectors between marker points, the interface curvature is predicted using a neural network. The Front-Tracking-Machine-Learning method is validated using a sine wave and then applied in combination with a Marker-And-Cell method for solving a complex free surface flow. Our results indicate that it is feasible to employ machine learning concepts as an alternative approach for computing curvatures in Front-Tracking schemes.-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)-
Descrição: dc.descriptionConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionInstituto de Ciências Matemáticas e Computação Universidade de São Paulo-
Descrição: dc.descriptionDepartamento de Matemática e Computação Faculdade de Ciências e Tecnologia Universidade Estadual Paulista “Júlio de Mesquita Filho”-
Descrição: dc.descriptionDepartamento de Matemática e Computação Faculdade de Ciências e Tecnologia Universidade Estadual Paulista “Júlio de Mesquita Filho”-
Descrição: dc.descriptionFAPESP: 2013/07375-0-
Descrição: dc.descriptionFAPESP: 2019/01811-9-
Descrição: dc.descriptionCNPq: 305383/2019-1-
Idioma: dc.languageen-
Relação: dc.relationJournal of Computational Physics-
???dc.source???: dc.sourceScopus-
Palavras-chave: dc.subjectCurvature-
Palavras-chave: dc.subjectFree surface flows-
Palavras-chave: dc.subjectFront-Tracking-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectMarker-and-cell-
Título: dc.titleA machine learning strategy for computing interface curvature in Front-Tracking methods-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.