Data-driven Symbolic Closure for Turbulence Modeling in the Lattice Boltzmann Framework
Dieser Beitrag stellt einen datengesteuerten Ansatz vor, der auf der physikalisch-symbolischen Optimierung basiert, um eine interpretierbare, nichtlineare analytische Schließung für die Lattice-Boltzmann-Turbulenzmodellierung zu entdecken, die die Genauigkeit traditioneller Smagorinsky-Modelle übertrifft und sich ohne zusätzliche Korrekturen robust auf wandgebundene Strömungen verallgemeinert.