Accelerating droplet-laden Stokes flow simulations with hierarchical surrogate modeling

तकनीकी सारांश: पदानुक्रमित सरोगेट मॉडलिंग के साथ ड्रॉपलेट-लेड स्टोक्स फ्लो सिमुलेशन को त्वरित करना

समस्या विवरण
यह शोध पत्र एक वाहक तरल (carrier fluid) में निलंबित बड़ी संख्या ($M$) में अविभाज्य तरल बूंदों (immiscible liquid droplets) वाले इनकम्प्रेसिबल मल्टीफेज स्टोक्स प्रवाह के अनुकरण (simulation) में निहित कम्प्यूटेशनल चुनौतियों को संबोधित करता है। ऐसे सिस्टम के सटीक उच्च-निष्ठा (high-fidelity) सिमुलेशन अत्यधिक कम्प्यूटेशनल रूप से मांग वाले होते हैं, विशेष रूप से जब बूंदें अत्यधिक केंद्रित हों, सीमाओं के करीब हों, या आपस में निकटता से परस्पर क्रिया कर रही हों। मानक विवक्तीकरण तकनीकें (discretization techniques), जैसे कि परिमित-तत्व विधियाँ (finite-element methods - जिनमें बार-बार रीमेशिंग की आवश्यकता होती है) या सीमा समाकल विधियाँ (boundary integral methods - जिनमें निकट-विलक्षण समाकलों के लिए विशेष क्वाड्रचर की आवश्यकता होती है), संकीर्ण इंटरफेशियल अंतराल और सीमा-निकट अंतःक्रियाओं के साथ संघर्ष करती हैं। जबकि कण-आधारित विधियाँ (particle-based methods) रीमेशिंग से बचती हैं, उन्हें सटीकता के लिए सूक्ष्म रिज़ॉल्यूशन की आवश्यकता होती है और उनमें उच्च-क्रम विधियों जैसी परिशुद्धता का अभाव होता है। लेखक एक सरोगेट मॉडलिंग रणनीति विकसित करने का लक्ष्य रखते हैं जो सघन रूप से पैक किए गए, समय-परिवर्तनीय विन्यासों में बूंदों के विकास के कुशल पूर्वानुमान को सक्षम बना सके, बिना पूर्णतः हल किए गए मल्टी-फ्लुइड सिमुलेशन की अत्यधिक लागत के।

कार्यप्रणाली (Methodology)
प्रस्तावित दृष्टिकोण एक बहु-निष्ठा, भौतिकी-सूचित पदानुक्रमित सरोगेट मॉडलिंग ढांचा है। यह एक इटरेटिव एरर-करेक्शन रणनीति पर निर्भर करता है न कि सरोगेट को एक 'ब्लैक बॉक्स' के रूप में मानने पर। कार्यप्रणाली इस प्रकार है:

1. निम्नतम निष्ठा सन्निकटन (Lowest Fidelity Approximation): प्रक्रिया एक आधारभूत स्टोक्स समाधान ($u_0, p_0$) के साथ शुरू होती है जहाँ बूंदों को निष्क्रिय ट्रेसर (passive tracers) के रूप में माना जाता है। यह पूरे डोमेन में एक सजातीय "नाममात्र" श्यानता (nominal viscosity) मानता है, जो श्यानता विषमता (viscosity contrasts) और सतह तनाव (surface tension) की उपेक्षा करता है।
2. त्रुटि समीकरण व्युत्पत्ति (Error Equation Derivation): लेखक एक आंशिक अंतर समीकरण (PDE) व्युत्पन्न करते हैं जो निम्नतम-निष्ठा सन्निकटन और वास्तविक समाधान के बीच त्रुटि क्षेत्र ($v, q$) को नियंत्रित करता है। यह त्रुटि समीकरण बूंदों के इंटरफेस के पार श्यानता के उछाल और सतह तनाव बलों को ध्यान में रखता है।
3. इटरेशन के माध्यम से पदानुक्रमित सुधार (Hierarchical Correction via Iteration): वैश्विक त्रुटि समीकरण को सीधे हल करने के बजाय (जो मूल कम्प्यूटेशनल जटिलता को बनाए रखता है), विधि एक वैकल्पिक इटरेटिव योजना का उपयोग करती है:
   • ड्रॉपलेट सुधार (Droplet Correction): वैश्विक त्रुटी समीकरण को $M$ स्वतंत्र स्थानीय समस्याओं में विभाजित किया जाता है, जिनमें से प्रत्येक मुक्त स्थान में एकल बूंद द्वारा उत्पन्न प्रवाह विक्षोभ (flow disturbance) का प्रतिनिधित्व करती है। इन स्थानीय समस्याओं को अनुमानित रूप से हल किया जाता है।
   • सीमा सुधार (Boundary Correction): सुपरपोजिशन (superposition) के कारण स्थानीय सुधार वैश्विक सीमा शर्तों का उल्लंघन करते हैं। एक आगामी "सीमा सुधार" चरण डोमेन सीमाओं के साथ निरंतरता बहाल करने के लिए एक वैश्विक स्टोक्स समस्या (बिना बूंदों के) को हल करता है।
   • इटरेशन (Iteration): सीमा अवशेषों (boundary residuals) के आधार पर अभिसरण मानदंड (convergence criterion) पूरा होने तक इन दो चरणों (ड्रॉपलेट और सीमा सुधार) को दोहराया जाता है।
4. ऑफलाइन-ऑनलाइन दक्षता (Offline-Online Efficiency): ज्यामितीय रूप से समान बूंदों (विशेष रूप से प्रस्तुत परीक्षणों में गोलाकार) के लिए, विधि स्व-समानता (self-similarity) का लाभ उठाती है। एकल-ड्रॉपलेट समस्याओं को एक संदर्भ यूनिट डिस्क पर मैप किया जाता है। एकल-ड्रॉपलेट समस्याओं के समाधान ऑपरेटर को बहुपद प्रवाह क्षेत्रों (polynomial flow fields) के अनुरूप पूर्व-निर्धारित "मौलिक समाधानों" के एक छोटे सेट का उपयोग करके अनुमानित करने के लिए एक रैखिक उप-स्थान (linear subspace) दृष्टिकोण का उपयोग किया जाता है। यह ड्रॉपलेट सुधारों के ऑनलाइन मूल्यांकन को सरल रैखिक संयोजनों के माध्यम से करने की अनुमति देता है, जिससे कम्प्यूटेशनल लागत काफी कम हो जाती है।

प्रमुख योगदान

• भौतिकी-आधारित त्रुटि सुधार: यह शोध पत्र एक बहु-निष्ठा इटरेटिव रणनीति पेश करता है जो PDE-आधारित त्रुटि समीकरणों को हल करके उच्च-निष्ठा समाधानों को व्यवस्थित रूप से पुनः प्राप्त करती है, जिससे कई मशीन लर्निंग सरोगेट्स की "ब्लैक बॉक्स" प्रकृति से बचा जा सकता है।
• सुधार के लिए रिफाइनमेंट का प्रतिस्थापन: यह विधि एकल-ड्रॉपलेट क्षेत्रों के सुपरपोजिशन के माध्यम से स्थानीय सुधारों का निर्माण करके, सघन डोमेन में वैश्विक त्रुटि समीकरणों को हल करने की उच्च जटिलता से बचती है। यह मेमोरी आवश्यकताओं और कम्प्यूटेशनल लागत को कम करता है।
• कई बूंदों के लिए स्केलेबिलिटी: यह ढांचा $10^4$ बूंदों तक के सिस्टम को संभालने के लिए डिज़ाइन किया गया है। वैश्विक सीमा समस्या को स्थानीय बूंद अंतःक्रियाओं से अलग करके और पूर्व-निर्धारित मौलिक समाधानों का उपयोग करके, यह विधि पूर्णतः हल किए गए सिमुलेशन की तुलना में पर्याप्त गति-वृद्धि (speed-ups) प्राप्त करती है।
• सतह तनाव का प्रबंधन: गोलाकार बूंदों के लिए, सतह तनाव प्रभावों को दबाव उछाल (pressure jumps) के माध्यम से सटीक रूप से प्रबंधित किया जाता है, जिससे इटरेटिव सुधार श्यानता विषमता और प्रवाह अंतःक्रियाओं पर ध्यान केंद्रित कर पाता है।

परिणाम
दो आयामी संख्यात्मक प्रयोग प्रस्तावित सरोगेट की सटीकता और दक्षता को मान्य करते हैं:

• सटीकता: सरोगेट पूर्णतः हल किए गए उच्च-निष्ठा CutFEM सिमुलेशन की तुलना में $\sim 0.1\%$ से कम सापेक्ष त्रुटि प्राप्त करता है। अभिसरण परीक्षण मौलिक समाधानों की बहुपद डिग्री के संबंध में घातांकीय अभिसरण (exponential convergence) और सीमाओं या एक-दूसरे के निकट बूंदों के लिए भी मजबूत अभिसरण दिखाते हैं।
• दक्षता: 50 बूंदों के साथ एक टाइम-डोमेन सिमुलेशन में, सरोगेट ने उचित सटीकता बनाए रखते हुए संदर्भ CutFEM कोड की तुलना में 80 गुना गति-वृद्धि प्राप्त की। एक "निम्नतम-निष्ठा" पैसिव-ट्रेसर संस्करण ने एक क्रम-परिमाण बड़े त्रुटि के साथ $3 \times 10^5$ की गति-वृद्धि प्राप्त की।
• स्केलिंग: $10^4$ बूंदों तक के स्थिर समस्याओं के लिए, सरोगेट प्रशिक्षण और मूल्यांकन लागत अनुकूल रूप से स्केल करती है। हालांकि प्रशिक्षण युग्म अंतःक्रियाओं (pairwise interactions) के कारण द्विघातीय स्केलिंग ($O(M^2)$) प्रदर्शित करता है, मूल्यांकन लागत मध्यम मूल्यांकन बिंदुओं के लिए रैखिक ($O(M)$) है। मूल्यांकन लागतों को शामिल करने पर, यह विधि $M < 5000$ के लिए CutFEM के प्रतिस्पर्धी बनी रहती है, और जब मूल्यांकन की सीमित संख्या (जैसे, टाइम-डोमेन सिमुलेशन में मार्कर एडवेक्शन के लिए) की आवश्यकता होती है, तो यह CutFEM से काफी बेहतर प्रदर्शन करती है।
• मजबूती (Robustness): इटरेटिव योजना ने ओवरलैपिंग बूंदों वाली गैर-भौतिक विन्यासों में भी मजबूती प्रदर्शित की, जहाँ मानक विधियाँ विफल हो सकती हैं या अत्यधिक मेष रिफाइनमेंट की आवश्यकता हो सकती है।

महत्व और दावे
लेखकों का दावा है कि यह पदानुक्रमित सरोगेट मॉडलिंग ढांचा जटिल मल्टीफेज स्टोक्स प्रवाह को मानक वर्कस्टेशन पर सिम्युलेट करने का एक व्यावहारिक मार्ग प्रदान करता है, जो आमतौर पर उच्च-निष्ठा विधियों के लिए सुपरकंप्यूटिंग संसाधनों की मांग करता है। यह विधि विशेष रूप से कई बूंदों और छोटे इंटरफेशियल सेपरेशन वाले परिदृश्यों के लिए महत्वपूर्ण है, जहाँ मानक विवक्तीकरण तकनीकें गंभीर कम्प्यूटेशनल बाधाओं का सामना करती हैं। शोध पत्र इस बात पर जोर देता है कि यह दृष्टिकोण ड्रॉपलेट-फ्लो, ड्रॉपलेट-बाउंड्री, और ड्रॉपलेट-ड्रॉपलेट अंतःक्रियाओं को व्यवस्थित रूप से कैप्चर करता है। हालांकि वर्तमान कार्यान्वयन गोलाकार बूंदों को मानता है, लेखक नोट करते हैं कि ढांचा विकृत (deformable) बूंदों और संभावित रूप से नेवियर-स्टोक्स प्रवाह के लिए भविष्य के विस्तार हेतु पर्याप्त समृद्ध है। यह कार्य यह प्रदर्शित करता है कि भौतिक अंतर्दृष्टि (त्रुटि PDEs) को कुशल संख्यात्मक रैखिक बीजगणित (उप-स्थान सन्निकटन) के साथ जोड़कर, एक ऐसा संतुलन प्राप्त किया जा सकता है जो बड़े पैमाने के ड्रॉपलेट सिस्टम के लिए पहले अप्राप्य था।