Comparison of data-driven symmetry-preserving closure models for large-eddy simulation
Diese Studie vergleicht verschiedene datengetriebene Ansätze zur Erhaltung von Symmetrien in Large-Eddy-Simulationen und zeigt, dass symmetrieerhaltende neuronale Netze zwar ähnliche Vorhersagegenauigkeit wie unbeschränkte Modelle erreichen, aber physikalisch konsistentere Geschwindigkeitsgradient-Statistiken liefern, was die Bedeutung der Symmetrieerhaltung für die Qualität des gelernten Abschlusses unterstreicht.