Color-gradient lattice Boltzmann modeling of wetting boundary condition on curved solid boundaries

Dieses Paper führt eine Benetzungsrandbedingung für gekrümmte Festkörperoberflächen in der Color-Gradient-Lattice-Boltzmann-Methode ein, indem die Ordnungsparameter auf Ghost-Nodes aktualisiert werden, ein Schema, das auf GPU-Hardware validiert wurde, um große Dichte- und Viskositätskontraste effektiv zu handhaben und sowohl statische als auch dynamische Kontaktlinienverhaltensweisen präzise zu reproduzieren, während gleichzeitig Scheinströme minimiert werden.

Das Wesentliche

Stellen Sie sich vor, Sie versuchen zu simulieren, wie sich ein Wassertropfen verhält, wenn er auf eine gekrümmte Oberfläche trifft, wie etwa ein Regentropfen, der auf einem Blatt landet, oder eine Blase, die einen gekrümmten Glaskörper hinuntergleitet. Um dies auf einem Computer zu simulieren, verwenden Wissenschaftler eine Methode namens Lattice-Boltzmann-Methode. Stellen Sie sich diese Methode wie ein riesiges, unsichtbares Gitter aus winzigen Kacheln vor, das den Computerbildschirm bedeckt. Jede dieser Kacheln enthält ein wenig „Flüssigkeitsinformationen“, und der Computer aktualisiert diese Kacheln Schritt für Schritt, um zu sehen, wie sich die Flüssigkeit bewegt.

Der schwierige Teil ist die Randbedingung – speziell, wie sich die Flüssigkeit verhält, wenn sie eine feste Wand berührt. In der realen Welt stoppt Wasser nicht einfach abrupt an einer Wand; es bildet einen spezifischen Winkel (den sogenannten Kontaktwinkel), je nachdem, ob die Oberfläche nass (wie sauberes Glas) oder trocken (wie ein gewachstes Auto) ist.

Das Problem: Der „Geist“ in der Maschine

In der Computersimulation ist die feste Wand keine glatte Linie; sie ist gezackt, da sie aus quadratischen Gitterkacheln besteht. Damit die Mathematik funktioniert, muss der Computer wissen, was die Flüssigkeit innerhalb der festen Wand tut, obwohl sich dort gar keine Flüssigkeit befindet. Diese imaginären Stellen innerhalb der Wand werden als „Geisterknoten“ (Ghost Nodes) bezeichnet.

Frühere Methoden, um diesen Geisterknoten zu sagen, was sie tun sollen, hatten gewisse Mängel:

• Sie erzeugten manchmal künstliche „Geisterströmungen“ (spurious velocities), bei denen die Flüssigkeit scheinbar von selbst in Bewegung geriet, ohne dass eine Kraft wirkte.
• Sie hatten Schwierigkeiten mit gekrümmten Oberflächen und wirkten oft so, als seien sie nur für flache Wände konzipiert.
• Sie erforderten manchmal spezielle, komplizierte Mathematik, nur um einen neutralen Winkel zu handhaben (bei dem das Wasser weder zerfließt noch perlt).

Die Lösung: Eine neue Regel für die Geister

Die Autoren dieser Arbeit haben eine neue, einfachere Regel für diese Geisterknoten eingeführt.

Die Analogie: Stellen Sie sich vor, die Flüssigkeit hat eine „Stimmung“ (dargestellt durch eine Farbe, von 0 für Gas bis 1 für Flüssigkeit). In der realen Welt ändert sich diese Stimmung sanft von Gas zu Flüssigkeit, während man die Oberfläche überquert.

• Alte Methode: Es war, als würde man versuchen, die Stimmung einer Person hinter einer Wand zu erraten, indem man einen zufälligen Tipp in den Raum ruft.
• Neue Methode: Die Autoren erkannten, dass man, wenn man die „Stimmung“ der Person kennt, die sich unmittelbar außerhalb der Wand (in der Flüssigkeit) befindet, diese glatte Stimmungskurve mathematisch durch die Wand hindurch zum Geisterknoten verlängern kann. Sie fragen einfach: „Wenn die Flüssigkeit hier einen 45-Grad-Winkel bilden möchte, wie muss dann die Stimmung des Geisterknotens sein, damit das geschieht?“

Diese neue Regel ist wie eine nahtlose Brücke. Sie verlängert die natürliche Form des Flüssigkeitstropfens bis direkt an die feste Wand und sogar ein Stück weit hinein in die Wand, wodurch sichergestellt wird, dass der Winkel, in dem der Tropfen auf die Wand trifft, exakt dem entspricht, was der Wissenschaftler angefordert hat.

Was sie getestet haben

Um zu beweisen, dass ihre neue Regel funktioniert, führten sie mehrere Simulationen auf einem sehr leistungsstarken Computerchip (einer NVIDIA A100 GPU) durch:

1. Der statische Tropfen: Sie platzierten einen Wassertropfen auf einer flachen Platte und einem gekrümmten Zylinder. Sie überprüften, ob der Tropfen sich genau bei dem Winkel niederschlug, den sie vorgegeben hatten.
   • Ergebnis: Ihre neue Regel war genauer als die bisher beste Methode, insbesondere wenn der Winkel sehr spitz (wie bei einem perlen Tropfen) oder sehr flach (wie bei einem zerfließenden Tropfen) war.
2. Das schwimmende Partikel: Sie simulierten einen Zylinder, der an der Grenze zwischen Öl und Wasser schwimmt.
   • Ergebnis: Ihre Methode berechnete die Position der Wasserlinie genauer als bisher.
3. Der fallende Tropfen: Sie simulierten einen Tropfen, der fällt und auf einen Zylinder trifft, und beobachteten dabei, wie er spritzt und sich ausbreitet.
   • Ergebnis: Der Tropfen verhielt sich realistisch, und die neue Regel verursachte keine seltsamen, künstlichen Bewegungen in der Flüssigkeit.

Wichtigste Erkenntnisse

• Genauigkeit: Die neue Methode verarbeitet gekrümmte Oberflächen viel besser als ältere Methoden und hält den Winkel der Flüssigkeit korrekt, egal ob die Wand flach oder rund ist.
• Stabilität: Sie erzeugt sehr wenig „künstliches Rauschen“ (spurious currents) in der Simulation, was bedeutet, dass die Flüssigkeit natürlicher aussieht.
• Einfachheit: Sie vermeidet die Notwendigkeit spezieller, komplizierter Mathematik, wenn der Kontaktwinkel genau 90 Grad (neutral) beträgt, was für frühere Methoden ein Problem darstellte.
• Geschwindigkeit: Durch die Nutzung moderner Computerchips (GPUs) und eines spezifischen Programmierstils machten sie die Simulationen sehr schnell. Sie fanden heraus, dass die Verwendung eines etwas weniger präzisen Zahlenformats (Single Precision) den Computer etwa doppelt so schnell laufen ließ, ohne die Ergebnisse für die meisten Tests zu beeinträchtigen.

Kurz gesagt: Die Autoren haben ein besseres „Regelwerk“ dafür entwickelt, wie Computersimulationen die Kante handhaben, an der Flüssigkeit auf eine feste Wand trifft. Dies sorgt dafür, dass digitale Tropfen sich auch auf gekrümmten Oberflächen eher wie echte Tropfen verhalten und bewegen.

Technische Zusammenfassung

Technische Zusammenfassung: Farbgradienten-Lattice-Boltzmann-Modellierung von Benetzungsgrenzbedingungen an gekrümmten festen Grenzflächen

Problemstellung
Die genaue Modellierung von Benetzungsphänomenen ist entscheidend für die Simulation technologisch relevanter Prozesse wie Strömungen in porösen Medien, Mikrofluidik und das Trocknen kolloidaler Filme. In Lattice-Boltzmann-Methoden (LBM), die diffuse Grenzflächen verwenden, stellt die Implementierung von Benetzungsrandbedingungen an gekrümmten festen Grenzflächen eine erhebliche Herausforderung dar. Bestehende Ansätze leiden häufig unter Einschränkungen wie der Einführung künstlicher Massenquellen oder -senken, der Entstehung parasitärer Geschwindigkeiten (Spurious Velocities) nahe der Grenzfläche, Beschränkungen auf planare Geometrien sowie Inkonsistenzen bei der gleichzeitigen Durchsetzung von No-Slip- und Benetzungsbedingungen. Darüber hinaus erfordern viele Methoden eine spezielle Handhabung für neutrale Kontaktwinkel ($\theta = 90^\circ$) oder verlassen sich auf lineare Extrapolationen, die in der Nähe fester Grenzflächen Fehler einführen.

Methodik
Die Autoren führen eine Benetzungsrandbedingung ein, die speziell für gekrümmte feste Grenzflächen innerhalb eines zweidimensionalen Farbgradienten-LBM-Frameworks entwickelt wurde. Der Kern der Methodik besteht in der Aktualisierung des Ordnungsparameters (Feldfarbe, $\phi$) auf „Geisterknoten“ (Ghost Nodes), die sich innerhalb der festen Phase befinden.

• Regel zur Aktualisierung der Geisterknoten: Anstatt einen konstanten Wert vorzuschreiben oder eine lineare Extrapolation zu verwenden, erweitert das Schema das Gleichgewichtsprofil der Farbe in die feste Phase. Der Wert des Farbfeldes an einem Geisterknoten ($x_G$) wird basierend auf dem Farbfeld an einem entsprechenden Punkt im Fluidbereich ($x_F$) berechnet, der in einer Entfernung $\Delta x$ entlang der Festen Normalen liegt.
• Mathematische Formulierung: Unter der Annahme, dass die Farbverteilung nahe am Gleichgewicht liegt, wird die Ableitung des Ordnungsparameters in Richtung der Festen Normalen aus dem Gleichgewichtsprofil und dem vorgegebenen Kontaktwinkel $\theta$ abgeleitet. Die Integration dieser Beziehung ergibt eine nichtlineare Aktualisierungsregel:
  $$\phi_G = \frac{\phi_F}{\phi_F + (1 - \phi_F) \exp(\varepsilon)}$$
  wobei $\varepsilon = -4\Delta x \cos \theta / W$ und $W$ die Grenzflächenbreite ist.
• Hauptmerkmale: Diese Formulierung stellt sicher, dass das Farbfeld der Geisterknoten zwischen 0 und 1 beschränkt bleibt, wodurch künstlicher Massentransfer verhindert wird. Entscheidend ist, dass die Regel keine spezielle Behandlung erfordert, wenn $\theta = 90^\circ$ ist (wobei $\varepsilon = 0$), im Gegensatz zu früheren Schemata. Die Methode wird unter Verwendung eines JAX-basierten Frameworks implementiert, das auf NVIDIA A100 GPUs läuft und Kernel-Fusion sowie automatische Differenzierung für hohe Leistungsfähigkeit nutzt.

Wesentliche Beiträge und Ergebnisse
Das vorgeschlagene Schema wurde gegen analytische Lösungen und das Benchmark-Schema von Fakhari et al. [20] anhand mehrerer Testfälle validiert:

1. Statischer Tropfen auf einer flachen Platte: Das Schema lieferte konsistent geringere Fehler bei den gemessenen Kontaktwinkeln im Vergleich zu Fakhari et al. über einen Bereich von $30^\circ$ bis $150^\circ$. Es erzeugte zudem kleinere parasitäre Strömungen ($5,74 \times 10^{-7}$ bis $7 \times 10^{-7}$ Gittereinheiten) im Vergleich zum Benchmark-Schema.
2. Tropfen auf einem festen Zylinder: Bei einem Tropfen, der auf einem gekrümmten Zylinder sitzt, zeigte die vorgeschlagene Methode eine verbesserte Genauigkeit bei der Vorhersage der Tropfenapex-Höhe ($h_{max}$), insbesondere bei extremen Kontaktwinkeln ($30^\circ$ und $150^\circ$), wo die Fehler im Vergleich zum Benchmark von $\sim 0,76\%$ auf $\sim 0,35\%$ reduziert wurden.
3. Fixiertes Partikel an der Flüssig-Gas-Grenzfläche: In Simulationen eines periodischen Arrays von Zylindern, die an einer Grenzfläche gefangen sind, reduzierte das vorgeschlagene Schema die Fehler in der vertikalen Grenzflächenverschiebung auf $\sim 9\%$ bei extremen Winkeln, verglichen mit $\sim 14\%$ für das Benchmark-Schema.
4. Dynamischer Tropfeneinschlag: Das Schema simulierte erfolgreich den Aufprall eines Tropfens auf einen Zylinder bei hohen Reynolds- und Bond-Zahlen und erfasste komplexe dynamische Verhaltensweisen wie das Ausbreiten des Tropfens auf hydrophilen Oberflächen und das Aufspalten auf hydrophoben Oberflächen. Die Ergebnisse stimmten gut mit analytischen Skalierungsgesetzen für die Filmdicke überein.
5. Rechenleistung: Die GPU-Implementierung zeigte, dass Single-Precision-Berechnungen (FP32) mindestens doppelt so schnell waren wie Double-Precision-Berechnungen (FP64), während sie die Genauigkeit für statische und moderate dynamische Fälle beibehielten. FP32 wurde jedoch bei dem Hoch-Reynolds-/Weber-Zahl-Tropfeneinschlagstest instabil, was den Einsatz von FP64 für solche hochenergetischen Szenarien erforderlich machte.

Bedeutung und Ansprüche
Das Paper behauptet, dass die vorgeschlagene Benetzungsrandbedingung eine robuste und genaue Alternative für die Simulation von unver mischbaren Zweiphasenströmungen an gekrümmten festen Grenzflächen bietet. Durch die Erweiterung des Gleichgewichtsprofils in die feste Phase mittels einer spezifischen Geisterknoten-Aktualisierungsregel bewirkt die Methode Folgendes:

• Sie erhält die Fähigkeit des Modells, große Dichte- und Viskositätsunterschiede zu handhaben.
• Sie erzeugt vergleichsweise geringe parasitäre Strömungen (Größenordnungen niedriger als bei populären Pseudopotential-Modellen).
• Sie vermeidet die numerischen Singularitäten, die bei anderen Methoden mit neutralen Kontaktwinkeln auftreten.
• Sie demonstriert eine überlegene Genauigkeit gegenüber bestehenden Schemata (insbesondere Fakhari et al.) sowohl für statische als auch für dynamische Kontaktlinien an gekrümmten Geometrien.

Die Autoren merken an, dass die aktuelle Implementierung auf die Ausführung auf einer einzelnen GPU und auf zwei Dimensionen beschränkt ist, die zugrunde liegende Physik jedoch direkt auf Phasenfeld- und Freie-Energie-Modelle anwendbar ist und auf drei Dimensionen erweitert werden kann. Die Arbeit bietet eine Grundlage für zukünftige Simulationen involvierender fester Partikel an Flüssig-Gas-Grenzflächen, insbesondere wenn diese mit Fortschritten in der Berechnung von Kontaktlinien-Kapillarkräften und Hystereseschemata gekoppelt werden.