摘要：
传统SPH方案的主要问题之一是时间步长限制。在原始的SPH中，我们首先从当前设置计算密度，使用EOS计算压强，应用压力梯度，然后运行时间积分。这个过程意味着只需要一定的压缩量就可以触发内核半径内的压力，从而延迟计算。因此，我们需要使用更小的时间步长(意味着更多的迭代)，这在计算上是昂贵的。或者，我们可以使用不那么严格的EOS，然而，这个解决方案可能会引入类似弹簧的振荡。微调参数如声速或粘度可以帮助避免此类问题。然而，这并不是一个基本的解决方案，对用户来说也是不切实际的。Solenthaler 和Pajarola通过在SPH模拟中引入预测-校正器概念来解决这个问题。这种又称为预测校正不可压缩SPH（PCISPH），它是一种误差测量算法，假定测量值和期望密度的差值是误差。本篇文章总结我在《Fluid Engine Development》学到关于PCISPH的知识。 阅读全文
