Métodos sem malha baseados em diferenças finitas generalizadas usando MLS e SPH

• Processo: 19/23215-9
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de maio de 2020
• Data de Término da vigência: 31 de outubro de 2022
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Afonso Paiva Neto
• Beneficiário: Afonso Paiva Neto
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Computação gráfica Animação (computação gráfica) Método de diferenças finitas
• Palavra(s)-Chave do Pesquisador: animação computacional | Métodos sem Malha | Mls | sph | Computação Gráfica

Resumo

O metodo Smoothed Particle Hydrodynamics (SPH) e um dos metodos sem malha mais populares na dinamica dos fluidos computacional. Desde a sua criac'ao tem sido objeto de estudo de pesqui- sadores que buscam aperfeic'oar o metodo e aplica-lo na soluc'ao de problemas variados. Uma das melhorias mais importantes foi proposta por Dilts [Dil98], que apresenta uma forma de combinar a aproximac'ao SPH com Moving Least Squares (MLS) para melhorar a precisao e a estabilidade do metodo SPH tradicional. Apesar da qualidade dos resultados produzidos, o metodo Moving Least Squares Hydrodynamics (MLSPH) de Dilts ainda sofre com seu custo computacional elevado devido a forma que os operadores diferenciais sao calculados. Neste projeto, propomos um novo metodo sem malha robusto e eficiente, combinando a simplicidade do Metodo de Diferenc'as Finitas com a precisao do metodo MLSPH e de outros metodos sem malha. Alem disso, pretendemos explorar a vasta quantidade de aplicac'oes do novo metodo proposto denominado MLPSH-FD em problemas relacionados as areas de Computac'ao Grafica e Fisica Computacional. (AU)

Publicações científicas

(6)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

SILVA, SAMUEL ROCHA; VIEIRA, THALES; MARTINEZ, DIMAS; PAIVA, AFONSO. On novelty detection for multi-class classification using non-linear metric learning. EXPERT SYSTEMS WITH APPLICATIONS, v. 167, APR 1 2021. (19/23215-9)

OLIVEIRA, FELIPE; PAIVA, AFONSO. Narrow-Band Screen-Space Fluid Rendering. COMPUTER GRAPHICS FORUM, v. 41, n. 6, p. 12-pg., 2022-04-09. (13/07375-0, 19/23215-9)

DE FIGUEIREDO, LUIZ HENRIQUE; PAIVA, AFONSO. Region reconstruction with the sphere-of-influence diagram. COMPUTERS & GRAPHICS-UK, v. 107, p. 12-pg., 2022-08-26. (19/23215-9)

NAKANISHI, RAFAEL; NASCIMENTO, FILIPE; CAMPOS, RAFAEL; PAGLIOSA, PAULO; PAIVA, AFONSO. RBF Liquids: An Adaptive PIC Solver Using RBF-FD. ACM TRANSACTIONS ON GRAPHICS, v. 39, n. 6, DEC 2020. (18/06145-4, 19/23215-9)

INCAHUANACO, FILOMEN; PAIVA, AFONSO. Surface reconstruction method for particle-based fluids using discrete indicator functions. COMPUTERS & GRAPHICS-UK, v. 114, p. 10-pg., 2023-06-03. (19/23215-9, 13/07375-0)

QUISPE, FILOMEN INCAHUANACO; PAIVA, AFONSO; DECARVALHO, BM; GONCALVES, LMG. Counting Particles: a simple and fast surface reconstruction method for particle-based fluids. 2022 35TH SIBGRAPI CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES (SIBGRAPI 2022), v. N/A, p. 5-pg., 2022-01-01. (19/23215-9, 13/07375-0)