Information-Based Symbolic Regression of Local Closures for RANS Transition Modeling

في عالم الديناميكا الهوائية، لا يسلك الهواء المتدفق فوق جناح أو شفرة توربين سلوكاً واحداً دائماً. ففي بداية رحلته، يتحرك الهواء في طبقات منتظمة وسلسة، وهي حالة تُعرف باسم التدفق الطبقي (laminar flow). ولكن مع تقدمه، يمكن لهذه الطبقات أن تتحول فجأة إلى فوضى دوامة مضطربة تُسمى الاضطراب (turbulence). هذا التحول، المعروف بالانتقال (transition)، يعد لحظة حرجة؛ فهو يغير مقدار الاحتكاك الذي يمارسه الهواء على السطح، وكيفية انتقال الحرارة، وفي النهاية، مقدار الرفع أو السحب الذي يتعرض له الجسم. وبالنسبة للمهندسين الذين يصممون كل شيء من توربينات الرياح إلى محركات الطائرات النفاثة، فإن التنبؤ بدقة بمكان وزمان حدوث هذا التحول يعد أحد أكثر التحديات استعصاءً في الفيزياء الحديثة.

لمحاكاة هذه التدفقات على الكمبيوتر، يستخدم العلماء مجموعة من المعادلات التي تعتمد على متوسط التقلبات الصغيرة والسريعة للاضطراب. ومع ذلك، فإن هذه المعادلات المتوسطة لديها نقطة عمياء: فهي لا تستطيع رؤية الانتقال من التدفق السلس إلى التدفق الفوضوي بشكل طبيعي. ولإصلاح ذلك، يضيف المهندسون قواعد إضافية، تسمى "الإغلاقات" (closures)، والتي تعمل مثل مستشعرات محلية. تحاول هذه المستشعرات تخمين حالة التدفق باستخدام المعلومات المتاحة عند نقطة واحدة فقط، بدلاً من النظر إلى مجال التدفق بأكته. والمشكلة هي أن القواعد الحالية غالباً ما تكون تقريبات خشنة، مبنية على بيانات قديمة وافتراضات مبسطة؛ فهي تعمل بشكل جيد بما يكفي لبعض الحالات، لكنها قد تفشل عندما تتغير الظروف، مما يؤدي إلى تنبؤات غير دقيقة للطائرات أو الآلات.

لقد ألقى فريق من الباحثين من إسبانيا وفرنسا نظرة جديدة على هذه المستشعرات المحلية. فبدلاً من الاعتماد على التجربة والخطأ التقليدية أو النماذج الحاسوبية المعقدة غير القابلة للتفسير، استخدموا طريقة تجمع بين نظرية المعلومات والانحدار الرمزي (symbolic regression). فكر في هذا الأمر كطريقة تجعل البيانات تتحدث عن نفسها، حيث تبحث عن أبسط جملة رياضية وأكثرها دقة لوصف الواقع الفيزيائي. ومن خلال تحليل مكتبة ضخمة من حلول تدفق السوائل المثالية، اكتشفوا طرقاً جديدة وأكثر دقة لحساب الحالة المحلية للهواء. ثم اختبروا هذه الصيغ الجديدة في محاكاة كاملة لسطح مسطح، وهو حالة اختبار قياسية في الديناميكا الهوائية. وأظهرت النتائج أنه بينما كانت الصيغ الجديدة أكثر دقة بكثير في وصف الفيزياء المحلية، فإن نجاحها في التنبؤ بلحظة الانتقال الفعلية اعتمد بشدة على الظروف المحددة للتدفق، مما كشف أن تحسين جزء واحد من نظام معقد لا يضمن دائماً نتيجة أفضل إجمالاً.

بدأ الباحثون عملهم بإنشاء بيئة محكومة لدراسة الانتقال. استخدموا عائلة شهيرة من الحلول الرياضية تُعرف باسم ملفات "فالكنر-سكان" (Falkner-Skan profiles). تصف هذه الحلول كيفية تدفق الهواء فوق سطح مستوٍ تحت ظروف ضغط مختلفة، تتراوح من دفع الهواء للأمام إلى إبطاء سرعته. في هذا العالم النظري المثالي، عرف الباحثون الإجابة الدقيقة لكميتين رئيسيتين: سمك الزخم (momentum thickness)، الذي يقيس مدى تباطؤ تدفق الهواء بسبب الاحتكاك، ومعامل تدرج الضغط (pressure-gradient parameter)، الذي يقيس كيفية تغير الضغط على طول السطح. هاتان الكميتان حيويتان للتنبؤ بالانتقال، لكنهما في المحاكاة الحاسوبية الحقيقية لا يتوفران بشكل مباشر؛ إذ يتعين على المهندسين عادةً تقديرهما باستخدام أدلة محلية، مثل المسافة من الجدار أو سرعة الهواء القريبة.

كانت الخطوة الأولى للفريق هي تحديد أي الأدلة المحلية تحتوي على المعلومات الأكثر فائدة. لقد تعاملوا مع المشكلة كعملية بحث عن الإشارة الأكثر إفادة. وباستخدام تقنية تعتمد على نظرية المعلومات، اختبروا آلاف التوليفات الممكنة من المتغيرات المحلية لمعرفة أي منها يتنبأ بشكل أفضل بالإجابات الدقيقة المعروفة من قاعدة بياناتهم النظرية. ووجدوا أنه بالنسبة لمعامل تدرج الضغط، كان الدليل الأكثر إفادة هو مزيج محدد من كيفية تغير سرعة الهواء عمودياً على الجدار ومربع المسافة من الجدار. لم يكن هذا مفاجئاً، فقد طابق هيكل الصيغة القديمة الموجودة، مما أكد أن الحدس القديم سليم فيزيائياً. ومع ذلك، بالنسبة لسمك الزخم، كشفت عملية البحث عن مرشح أفضل؛ حيث اعتمدت الطريقة التقليدية على متغير يعتمد على دوران السائل، لكن التحليل الجديد أظهر أن نسبة بسيطة تتضمن السرعة المحلية والمسافة من الجدار كانت أكثر اتساقاً وموثوقية عبر ظروف التدفق المختلفة.

ومع تحديد هذه الأدلة المتفوقة، انتقل الباحثون إلى المرحلة الثانية: إيجاد الصيغة الرياضية الدقيقة التي تربط الأدلة المحلية بالقيم الحقيقية. استخدموا أداة تسمى "الانحدار الرمزي"، والتي تعمل مثل "الخيميائي الرقمي". فبدلاً من إجبار البيانات على اتخاذ شكل محدد مسبقاً، تقوم هذه الأداة بتوليد واختبار الملايين من التعبيرات الرياضية الممكنة، مع الاحتفاظ فقط بتلك التي تتسم بالدقة والبساطة في آن واحد. كان الهدف هو إيجاد معادلة موجزة يمكن كتابتها بسهولة في كود برمجي. وكانت النتيجة مجموعة من الصيغ الصريحة الجديدة التي أعادت بناء الكميات الفيزيائية الحقيقية بدقة أعلى بكثير من الطرق القياسية. بالنسبة لمعامل تدرج الضغط، كانت الصيغة الجديدة عبارة عن كثير حدود معقد يجسد الفروق الدقيقة التي أغفلتها الصيغة الخطية القديمة. أما بالنسبة لسمك الزخم، فقد تبين أن أفضل صيغة هي علاقة خطية بسيطة للغاية، كانت دقيقة جداً وسهلة التنفيذ في الوقت ذاته.

ومع ذلك، لم يكن الاختبار الحقيقي هو مدى جودة عمل هذه الصيغ بمعزل عن غيرها، بل كيف سيكون أداؤها عند إدراجها في محاكاة كاملة لنموذج انتقال. قام الفريق بتطبيق صيغهم الجديدة في نموذج قياسي مكون من معادلة واحدة يُستخدم في البرامج الهندسية، وأجروا عمليات محاكاة لسلسلة تجارب "ERCOFTAC T3"، وهي مجموعة شهيرة من التجارب التي تتضمن تدفق الهواء فوق لوح مسطح تحت ظروف متنوعة. تضمنت هذه التجارب حالات ذات اضطراب عالٍ، واضطراب منخفض، وتدرجات ضغط مختلفة. وكانت النتوة كاشفة؛ ففي عدة حالات، وخاصة تلك التي تتضمن اضطراباً متوسطاً إلى عالٍ أو تدرجات ضغط قوية، حسنت الصيغ الجديدة من التنبؤ بمكان حدوث الانتقال، حيث طابقت المحاكاة البيانات التجريبية بشكل أوثق من النموذج الأصلي.

بيد أن القصة لم تكن انتصاراً بسيطاً. ففي حالتين محددتين تتعلقان بكثافة اضطراب منخفضة جداً، جعلت الصيغ الجديدة التنبؤات أسوأ في الواقع؛ حيث تم التنبؤ بالانتقال في وقت مبكر جداً في حالة، وفي وقت متأخر جداً في حالة أخرى. سلطت هذه النتيجة الضوء على درس بالغ الأهمية في النمذجة المعقدة: إن تحسين مكون واحد لا يعني تلقائياً إصلاح الآلة بأكملها. فنموذج الانتقال هو توازن دقيق بين أجزاء متعددة متفاعلة. وعندما استبدل الباحثون الصيغ المحلية، فقد غيروا توازن النظام بأكمله. في بعض السيناريوهات، كشفت الصيغ الجديدة والأكثر دقة عن نقاط ضعف في أجزاء أخرى من النموذج، مثل كيفية تقدير النظام لكثافة الاضطراب القادم. وأشار الباحثون إلى أن القواعد الحالية لتقدير كثافة الاضطراب هذه قد تحتاج إلى تحديث لتتماشى مع الصيغ المحلية الجديدة الأكثر دقة؛ فبدون مثل هذه التعديلات، قد تضيع فوائد الصيغ الجديدة أو حتى تنعكس سلباً.

تخلص الدراسة إلى أنه بينما يعد الانحدار الرمزي القائم على المعلومات أداة قوية لإنشاء قواعد محلية أكثر وضوحاً ودقة، فإنه ليس حلاً سحرياً يحل مشكلة نمذجة الانتقال برمتها. توفر الصيغ الجديدة تمثيلاً أكثر أمانة للفيزياء المحلية، مما يوفر أساساً متيناً للتحسينات المستقبلية. ومع ذلك، يؤكد الباحثون أنه لكي تعمل هذه القواعد بشكل مثالي في جميع المواقف، قد تحتاج بنية النموذج المتبقية إلى إعادة معايرة. يشير العمل إلى مسار مستقبلي حيث يمكن للطرق القائمة على البيانات تحسين اللبنات الأساسية لنماذج الاضطراب بشكل منهجي، ولكنه يعمل أيضاً كتذكير بأنه في عالم ديناميكا السوائل المعقد، يجب أن تتناسب كل قطعة مع الأخرى تماماً لكي تظهر الصورة الكاملة. ويخطط الباحثون لتوسيع عملهم ليشمل تدفقات أكثر تعقيداً وثلاثية الأبعاد، وإعادة زيارة الأجزاء الأخرى من النموذج لمعرفة ما إذا كان يمكن تحسينها بنفس الطريقة، بهدف الوصول إلى مستقبل تكون فيه تنبؤات الانتقال موثوقة وشفافة بقدر وضوح الفيزياء التي تصفها.