马西斯·博德
人员信息
优化列表
2020年–今天
2023 [j3] 马西斯·博德 , Abhishek Deshmukh公司 , 托比亚斯·法肯斯坦 , Seongwon Kang先生 , 亨氏Pitsch :
交错网格上复杂流动的混合格式及其在多相流中的应用。 J.计算。 物理学。 474 : 108478 ( 2023 ) 【c8】 马西斯·博德 :
多物理流的AI超分辨率子滤波器建模。 PASC公司 2023 : 15:1-15:10 【c7】 维克托·马特埃维奇斯 , 马西斯·博德 , 尼古拉·费里尔 , 保罗·费舍尔 , 延斯·亨利克·戈伯特 , 约瑟夫·安斯利 , 于洪澜 , Misun最小值 , 迈克尔·帕普卡 , 索米尔·帕特尔 , 开发者西尔维奥·利兹 , 乔纳森·Windgassen :
缩放计算流体动力学:使用SENSEI对NekRS进行原位可视化。 SC研讨会 2023 : 862-867 [i10] 维克托·马特埃维奇斯 , 马西斯·博德 , 尼古拉·费里尔 , 保罗·费舍尔 , 延斯·亨利克·戈伯特 , 约瑟夫·安斯利 , 于洪澜 , Misun最小值 , 迈克尔·帕普卡 , 索米尔·帕特尔 , 开发者西尔维奥·利兹 , 乔纳森·温加森 :
缩放计算流体动力学:使用SENSEI对NekRS进行原位可视化。 CoRR公司 abs/2312.09888 ( 2023 ) 2022 [注2] 费边·弗雷德 , 特米斯托克利·格伦加 , 文森特·勒·切纳迪克 , 马西斯·博德 , 亨氏Pitsch :
一种基于三维网格的流体体积方法,用于初级雾化的保守模拟。 J.计算。 物理学。 465 : 111374 ( 2022 ) [i9] 马西斯·博德 , 迈克尔·高丁 , 延斯·亨里克·戈伯特 , 廖宝浩 , 杰妮娅·吉采夫 , 亨氏Pitsch :
利用高性能计算数据和深度学习预测高雷诺数下的湍流。 CoRR公司 绝对值/220.16110 ( 2022 ) [i8] 马西斯·博德 , 迈克尔·高丁 , 多米尼克·戈布 , 托比亚斯·法肯斯坦 , 亨氏Pitsch :
将基于物理信息的增强超分辨率生成对抗网络应用于湍流预混燃烧和类发动机火焰核直接数值模拟数据。 CoRR公司 abs/2210.16206 ( 2022 ) [i7] 马西斯·博德 :
将物理信息增强超分辨率生成对抗网络应用于有限反应化学流和预测贫预混燃气轮机燃烧室。 CoRR公司 abs/2210.16219 ( 2022 ) [i6] 马西斯·博德 :
将物理信息增强超分辨率生成对抗网络应用于非均匀网格上的湍流非预混合燃烧,并演示加速模拟工作流。 CoRR公司 abs/2210.16248 ( 2022 ) 2021 【c6】 迈克尔·高丁 , 马西斯·博德 :
使用物理信息增强超分辨率生成对抗网络重建湍流射流的混合分数统计。 ISC研讨会 2021 : 138-153 [i5] 阿加斯蒂娅·巴蒂 , 顺州湾 , 达里奥·阿尔弗雷 , 奥斯汀·R·克莱德 , 马西斯·博德 , 李坦 , 米哈伊尔·蒂托夫 , 安德烈·默兹基 , 马特奥·图里利 , Shantenu Jha公司 , 罗杰·海菲尔德 , 沃尔特·罗奇亚 , 尼古拉·斯卡夫里 , 索罗·苏奇 , 迪特尔·克兰兹尔米勒 , 杰拉尔德·马蒂亚斯 , 大卫·威夫林 , 亚恩·多农 , 阿尔贝托·迪·梅格里奥 , 索菲亚·瓦莱科尔萨 , Heng Ma公司 , 安达·特里凡 , 阿尔文德·拉马纳森 , 汤姆·布雷廷 , 亚历山大·帕廷 , 芳芳霞 , 小坛段 , 里克史蒂文斯 , 彼得·科文尼 :
大流行速度下的大流行药物:在高性能计算机上通过基于机器学习和物理的混合模拟加速新冠肺炎药物的发现。 CoRR公司 abs/2103.02843 ( 2021 )
2010 – 2019
2019 [j1] 苏梅德·雅达夫 , 马西斯·博德 :
一种图形启发式算法,用于简化和划分大型数据集,以实现可扩展的监督训练。 J.大数据 6 : 96 ( 2019 ) 【c5】 苏梅德·雅达夫 , 马西斯·博德 :
一种大规模改进分类训练时间的离散数学方法。 IEEE大数据 2019 : 253-259 【c4】 马西斯·博德 , 迈克尔·高丁 , 康斯坦丁·克莱因因茨 , 亨氏Pitsch :
湍流子网格建模的深度学习:回归和重建。 ISC研讨会 2019 : 541-560 [i4] 苏梅德·亚达夫 , 马西斯·博德 :
一种图形启发式算法,用于简化和划分大型数据集,以实现可扩展的监督训练。 CoRR公司 abs/1907.10421 ( 2019 ) [i3] 马西斯·博德 , 迈克尔·高丁 , 康斯坦丁·克莱因因茨 , 亨氏Pitsch :
湍流子网格建模的大规模深度学习。 CoRR公司 abs/1910.00928 ( 2019 ) [i2] 马西斯·博德 , 迈克尔·高丁 , 泽玉莲 , 多米尼克·丹克 , 马可·达维多维奇 , 康斯坦丁·克莱因因茨 , 杰妮娅·吉采夫 , 亨氏Pitsch :
使用物理信息超分辨率生成对抗网络对湍流反应流进行子网格建模。 CoRR公司 abs/1911.11380 ( 2019 ) 2018 【c3】 马西斯·博德 , 迈克尔·高丁 , 延斯·亨利克·戈伯特 , 廖宝浩 , 杰妮娅·吉采夫 , 亨氏Pitsch :
使用高性能计算数据和深度学习预测高雷诺数湍流。 ISC研讨会 2018 : 614-623 [i1] 迈克尔·高丁 , 王力波(Lipo Wang) , 延斯·亨利克·戈伯特 , 马西斯·博德 , 达奈拉发光菌 , 埃米利安·瓦雷亚 :
衰减均匀各向同性湍流中线段的自相似性。 CoRR公司 abs/1809.07539 ( 2018 ) 2016 【c2】 马西斯·博德 , 马可·达维多维奇 , 亨氏Pitsch :
预测喷油器模拟的多尺度耦合。 JHPCS公司 2016 : 96-108 【c1】 延斯·亨利克·戈伯特 , 马西斯·博德 , 布莱恩·J·N·怀利 :
IBM Blue Gene/Q JUQUEEN上湍流的极端规模现场可视化。 ISC研讨会 2016 : 45-55