A carrier-wave factored one-way Navier--Stokes method for boundary-layer instability modelling

技術要約：境界層不安定性モデリングのための M-OWNS

問題提起
層流から乱流への遷移を予測するには、発達する基流における擾乱の増幅を通じた、擾乱の進化を追跡する必要がある。局所的な固有値解析（LST）は計算コストは低いものの、並行流の仮定に制限される。一方で、一般的な線形調和ナビエ・ストークス（LHNS）ソルバーは汎用性が高いが、メモリや行列反転の制約により計算コストが極めて高くなる。空間マーチング法は、その中間的な解決策となる。しかし、標準的な空間マーチング法は根本的な困難に直面している。すなわち、線形化ナビエ・ストークス演算子は上流へ伝播する音響モードをサポートしており、これが素朴な下流方向へのマーチングを不安定化させる可能性がある。

既存の解決策にはトレードオフが存在する：

• 放物型安定方程式 (PSE): キャリア波の因数分解を用いることで、下流方向のスペクトルを原点付近へとシフトさせ、より粗い解像度での計算を可能にする。しかし、これらは正則化戦略（例：主流方向の圧力勾配の無視や、暗黙的な減衰）に依存しており、それが特有の誤差を導入する。さらに、PSEは最小ステップサイズの制限を抱えている。マルチモードまたは非モード的（non-modal）な擾乱を捉えるためにステップを細分化すると、不安定な上流モードを再び捉えてしまい、マーチングが不安定化する。
• 一方向ナビエ・ストークス (OWNS): 再帰的射影（OWNS-R）によって上流モードを完全に除去し、主流方向の圧力勾配を保持しつつ、PSEのような正則化誤差を回避する。しかし、OWNSはキャリア波の因数分解を採用していない。その結果、原点からのフル波数で固有値を解像しなければならず、微細な主流方向の解像度が必要となる。この微細な解像度は、インテグレータのスペクトル窓を広げるため、数値誤差の蓄積によって制限される、より複雑な射影による広範な上流モードの抑制を必要とする。

手法：M-OWNS
本論文では、PSEのキャリア波因数分解を再帰的一方向ナビエ・ストークス（OWNS-R）の枠組みに統合した空間マーチング法である M-OWNS を提示する。

1. キャリア波因数分解: 擾乱状態 $\phi$ を、緩やかに変化する包絡線 $\tilde{\phi}$ と、急速に変化するキャリア波 $\exp(i\Theta_0)$ （ここで $d\Theta_0/dx = \alpha_0$）に分解する。これにより、空間演算子のスペクトルがスカラー $\alpha_0$ だけシフトする。
2. 一方向射影: 因数分解された系に対して、OWNS-R 射影演算子 $P$ を適用する。著者らは、未因数分解の系を放物型化するのと同じ射影演算子が、キャリア波因数分解された系も放物型化し、射影パラメータの変更なしに上流伝播モードを除去できることを証明している。
3. キャリアの選択 ($\alpha_0$):
   • 反復型バリアント: $\alpha_0$ はレイリー商を用いて各ステーションで更新され、支配的な固有値へと収束する（PSEと同様）。
   • 固定キャリア型バリアント: $\alpha_0$ は基流から導出された代表的な値（例：渦度/エントロピー枝の終点 $\alpha_1 = (\omega - \beta W_\infty)/U_\infty$）に設定される。このバリアントは反復を必要とせず、未因数分解の OWNS と同等のステップあたりのコストを維持する。

主な貢献

• スペクトル解像度の優位性: 1次近似の解析により、励起された固有関数の固有値が原点よりもキャリア波数 $\alpha_0$ に近い場合、因数分解された系は、未因数分解の系よりも粗い主流方向ステップサイズでモードを解像できることが示されている。因数分解は、インテグレータの「解像度ディスク」を原点から、励起されたモードのクラスターへと実質的に移動させる。
• 解像度と正則化の分離: 因数分解と一方向射影を組み合わせることで、M-OWNS は PSE の解像度の利点（粗いステップ）を享受しながら、PSE が抱えるステップサイズの制限や正則化誤差（例：無視された圧力勾配）を回避することができる。
• マルチモード領域における堅牢性: 本手法は、単一モードの擾乱（反復が最適）と、マルチモードまたは広帯域の擾達（非直交な固有関数に関連するレイリー商の収束問題を避けるために固定キャリアが好ましい）の両方において有効であることが示されている。

結果と検証
本手法は、非圧縮および亜音速の平板境界層、スイプトシリンダーの三次元クロスフロー擾乱、およびマッハ 4.5 の極超音速境界層を用いて検証された。4つの強制構成がテストされた：固有関数入口強制、壁面吸引/吹き出し、マルチモード自由流強制、およびランダム化された入口強制。

• 解像度効率: すべてのテストケースにおいて、M-OWNS は未因数分解の OWOWNS よりも粗い主流方向解像度で、擾乱振幅、音響放射場、およびモード同期シーケンスを捉えることができた。
  • スイプトシリンダーのケースでは、未因数分解の OWNS は収束に $N_x \approx 8000$ ステップを必要としたが、固定キャリア型 M-OWNS は $N_x \approx 1000$ で収束し（8倍の削減）、反復型 M-OWNS は $N_x \approx 150$ で収束した（47倍の削減）。
  • 最も厳しいマルチモードテストである極超音速ランダム化入口のケースでは、未因数分解の OWNS は $N_x \approx 6000$ を必要としたが、固定キャリア型 M-OWNS は $N_x \approx 3000$ で収束した（2倍の削減）。
• 精度: M-OWNS の結果は、PSE、未因数分解の OWNS、および完全楕円型 LHNS ソルバーと比較検証された。壁面吸引/吹き出しのケースにおいて、M-OWNS の結果は LHNS リファレンスと一致したが、同じ解像度での未因数分解 OWNS は振幅を過小評価した。
• コスト: テストケース全体を通じて、総計算コスト（総線形解法数）は2倍から8倍の割合で削減された。固定キャリア型バリアントは、反復のオーバーヘッドを排除することで、未因数分解の OWNS と同一のステップあたりコストでこれらの削減を実現した。

意義
論文は、M-OWNS が擾乱および不安定状態の進化をモデリングにおける明確な数値解像度と効率性の優位性を提供すると主張している。励起されたスペクトルを物理的に関連のあるクラスターへとシフトさせることで、精度を損なったり PSE 特有の正則化誤差を導入したりすることなく、大幅に粗い主流方向ステップの使用を可能にする。固定キャリア型バリアントは、ステップあたりの計算コストを増加させたり反復収束を必要としたりすることなく、これらの利点を得られる点で特に重要である。これは、単一モードおよび複雑なマルチモード不安定性の問題の両方に対して、堅牢な代替手段となる。著者らは、本手法が、励起されたスペクトルが特定の波数付近に集まる一般的な流れに適用可能であり、標準的な OWNS の解像度制約に対する実用的な解決策を提供すると述べている。