Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

STAHDPDE

Financiado

Cerrado

Sparse Tensor Approximations of High Dimensional and stochastic Partial Differen...

Sparse Tensor Approximations of High Dimensional and stochastic Partial Differential Equations The present project addresses numerical analysis and algorithmic realization of sparse, adaptive tensor product discretizations of partial differential equations (PDEs) in high dimensions with stochastic data. The aim of the proje... ver más

31/12/2014

ETH Zürich

1M€

Presupuesto del proyecto: 1M€

Líder del proyecto

EIDGENOESSISCHE TECHNISCHE HOCHSCHULE ZUERICH No se ha especificado una descripción o un objeto social para esta compañía.

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo FP7 notifico la concesión del proyecto el día 2014-12-31 No tenemos la información de la convocatoria

0% 100% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

1 Participantes

ETH Zürich

0.00€ | Lider

Proyectos interesantes

RIMMP

Applied Physics

Data Science

274K€ Cerrado

HDAD

Applied Physics

Data Science

165K€ Cerrado

MTM2012-38794-C02-01

Applied Physics

Data Science

19K€ Cerrado

IPaDEGAN

Applied Physics

Data Science

887K€ Cerrado

MTM2013-46553-C3-1-P

Applied Physics

Data Science

41K€ Cerrado

MTM2015-71352-P

Applied Physics

Data Science

33K€ Cerrado

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Líder del proyecto

EIDGENOESSISCHE TECHNISCHE HOCHSCHULE ZUERICH No se ha especificado una descripción o un objeto social para esta compañía.

Presupuesto del proyecto 1M€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto The present project addresses numerical analysis and algorithmic realization of sparse, adaptive tensor product discretizations of partial differential equations (PDEs) in high dimensions with stochastic data. The aim of the project is to develop mathematically founded adaptive algorithms which are based on sparse tensorization of hierarchic Riesz bases or frames. These will be hierarchic multilevel bases in the physical domain, either Finite Element wavelet type bases or hierarchical, multilevel bases. In the parameter domains corresponding either to random inputs or to phase spaces in transport problems, spectral type representations of ``polynomial chaos'' type shall be employed. Mathematical aim is to analyzed for a classes of elliptic and parabolic PDEs on high or possibly infinite dimensional parameter spaces adaptive, deterministic and dimension independent solution methods with convergence rates superior to those afforded by Monte Carlo Methods, in terms of accuracy vs. complexity. Algorithmic work will address design of data structures with minimal overhead for the efficient realization of the sparse tensor approximations. Applications include space-time adaptive solvers for elliptic, parabolic and certain parametric hyperbolic PDEs, nonlinear approximate spectral representations of nonstationary random fields, scale-resolving solvers of elliptic and parabolic problems with multiple scales with complexity independent of the number of scales, and sparse, adaptive numerical solvers for parametric transport problems. The project will be in collaboration with coworkers in France, Germany, UK, The Netherlands. The project involves mentoring postdocs and predocs who will be actively involved in all aspects of the research, as well as a teaching component.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores