Turbulence generation and data assimilation in wall-bounded flows with a latent diffusion model
Cette étude propose un cadre génératif couplant un auto-encodeur variationnel et un modèle de diffusion basé sur des transformateurs pour reconstruire efficacement les écoulements turbulents pariétaux et assimiler des données via un conditionnement bayésien, démontrant une compression exceptionnelle tout en soulignant le compromis inhérent entre la fidélité physique et la diversité des échantillons lors de l'imposition de contraintes statistiques complexes.