Turbulence generation and data assimilation in wall-bounded flows with a latent diffusion model
Die Studie stellt einen neuartigen generativen Rahmenwerk vor, der einen β-Variational Autoencoder mit einem Transformer-basierten Diffusionsmodell kombiniert, um wandgebundene turbulente Strömungen mit einer beispiellosen Kompressionsrate von zu rekonstruieren und dabei durch Bayessche Konditionierung eine skalierbare Datenassimilation ohne erneutes Training zu ermöglichen, wobei jedoch ein inhärenter Zielkonflikt zwischen der Einhaltung komplexer statistischer Randbedingungen und der Wahrung der physikalischen Genauigkeit sowie der Vielfalt der Proben besteht.