Accelerating droplet-laden Stokes flow simulations with hierarchical surrogate modeling

Technische Samenvatting: Versnelling van simulaties van druppelbeladen Stokes-stromingen met hiërarchische surrogaatmodellering

Probleemstelling
Het artikel behandelt de computationele uitdagingen die inherent zijn aan het simuleren van incompressibele multifasische Stokes-stromingen waarbij een groot aantal ($M$) onmengbare vloeistofdruppels is gesuspendeerd in een dragerfluidum. Nauwkeurige high-fidelity simulaties van dergelijke systemen zijn computationeel veeleisend, vooral wanneer druppels hoog geconcentreerd zijn, grenzen aan wanden of dicht bij elkaar interageren. Standaard discretisatietechnieken, zoals eindelementmethoden (die herhaalde remeshing vereisen) of grensintegraalmethoden (die gespecialiseerde kwadratuur vereisen voor bijna-singuliere integralen), hebben moeite met de nauwe interfaciale openingen en interacties nabij de wanden. Hoewel deeltjesgebaseerde methoden remeshing vermijden, vereisen ze vaak fijne resoluties voor nauwkeurigheid en missen ze de precisie van high-order methoden. De auteurs streven ernaar een surrogaatmodelleringstrategie te ontwikkelen die de voorspelling van druppelevolutie in dicht opeengepakte, tijdvariërende configuraties mogelijk maakt zonder de prohibitieve kosten van volledig opgeloste multi-fluid simulaties.

Methodologie
De voorgestelde aanpak is een multi-fidelity, fysisch-geïnformeerd hiërarchisch surrogaatmodelleringframework. Het steunt op een iteratieve foutcorrectiestrategie in plaats van de surrogaat als een 'black box' te behandelen. De methodologie verloopt als volgt:

1. Laagste fidelity benadering: Het proces begint met een basislijn Stokes-oplossing ($u_0, p_0$) waarbij druppels worden behandeld als passieve sporen (passive tracers). Dit gaat uit van een homogene "nominale" viscositeit door het gehele domein, waarbij viscositeitscontrasten en oppervlaktespanning worden genegeerd.
2. Afleiding van de foutvergelijking: De auteurs leiden een partiële differentiaalvergelijking (PDE) af die het foutveld ($v, q$) regelt tussen de werkelijke oplossing en de laagste-fidelity benadering. Deze foutvergelijking houdt rekening met de sprong in viscositeit en oppervlaktespanning over de druppelinterfaces.
3. Hiërarchische correctie via iteratie: In plaats van de globale foutvergelijking direct op te lossen (wat de oorspronkelijke computationele complexiteit behoudt), gebruikt de methode een alternerende iteratieve procedure:
   • Druppelcorrectie: De globale foutvergelijking wordt gedecomposeerd in $M$ onafhankelijke lokale problemen, die elk de stromingsverstoring veroorzaakt door een enkele druppel in de vrije ruimte. Deze lokale problemen worden benaderd opgelost.
   • Wandcorrectie: De superpositie van lokale correcties schendt de globale randvoorwaarden. Een daaropvolgende "wandcorrectie"-stap lost een globale Stokes-probleem op (zonder druppels) om consistentie met de domeingrenzen te herstellen.
   • Iteratie: Deze twee stappen (druppel- en wandcorrectie) worden herhaald totdat een convergentiecriterium op basis van de randresiduen is bereikt.
4. Offline-Online Efficiëntie: Voor geometrisch gelijke druppels (specifiek circulair in de gepresenteerde tests) maakt de methode gebruik van zelfgelijkenis. De enkelvoudige druppelproblemen worden gemapt naar een referentie-eenheidsdisk. Een lineaire subruimtebenadering wordt gebruikt om de oplossingoperator voor deze enkelvoudige druppelproblemen te benaderen met behulp van een kleine set vooraf berekende "fundamentele oplossingen" die overeenkomen met polynomiale stromingsvelden. Dit maakt de online evaluatie van druppelcorrecties mogelijk via eenvoudige lineaire combinaties, wat de computationele kosten aanzienlijk verlaagt.

Belangrijkste Bijdragen

• Fysisch gebaseerde foutcorrectie: Het artikel introduceert een multi-fidelity iteratieve strategie die systematisch high-fidelity oplossingen herstelt door PDE-gebaseerde foutvergelijkingen op te lossen, waardoor de "black box"-natuur van veel machine learning surrogaten wordt vermeden.
• Vervanging van verfijning door iteratie: De methode vermijdt de hoge complexiteit van het oplossen van globale foutvergelijkingen in dicht opeengepakte domeinen door correcties lokaal te construeren via de superpositie van enkelvoudige druppelvelden. Dit vermindert de geheugenvereisten en de computationele kosten.
• Schaalbaarheid voor vele druppels: Het framework is ontworpen om systemen met tot $10^4$ druppels aan te kunnen. Door de globale wandproblematiek te ontkoppelen van de lokale druppelinteracties en gebruik te maken van vooraf berekende fundamentele oplossingen, bereikt de methode aanzienlijke versnellingen ten opzichte van volledig opgeloste simulaties.
• Afhandeling van oppervlaktespanning: Voor circulaire druppels worden effecten van oppervlaktespanning exact meegenomen via drukspringen, waardoor de iteratieve correctie zich kan concentreren op viscositeitscontrasten en stromingsinteracties.

Resultaten
Numerieke experimenten in twee dimensies valideren de nauwkeurigheid en efficiëntie van de voorgestelde surrogaat:

• Nauwkeurigheid: De surrogaat bereikt relatieve fouten onder de $\sim 0,1\%$ vergeleken met volledig opgeloste high-fidelity CutFEM-simulaties. Convergentietests tonen exponentiële convergentie ten opzichte van de polynomiale graad van de fundamentele oplossingen en robuuste convergentie van de fixed-point iteraties, zelfs voor druppels in nauwe nabijheid van wanden of elkaar.
• Efficiëntie: In een tijdsdomein-simulatie met 50 druppels bereikte de surrogaat een 80-voudige versnelling ten opzichte van de referentie CutFEM-code, terwijl een redelijke nauwkeurigheid werd behouden. Een "lowest-fidelity" versie met passieve sporen bereikte een versnelling van $3 \times 10^5$ met een orde van grootte grotere fout.
• Schaalbaarheid: Voor statische problemen met tot $10^4$ druppels schalen de training en evaluatiekosten van de surrogaat gunstig. Hoewel de training een kwadratische schaling ($O(M^2)$) vertoont door paar interacties, is de evaluatiekosten lineair ($O(M)$) wanneer het aantal evaluatiepunten gematigd is. De methode blijft competitief met CutFEM voor $M < 5000$ wanneer de evaluatiekosten worden meegerekend, en presteert aanzienlijk beter dan CutFEM wanneer slechts een beperkt aantal evaluaties nodig zijn (bijv. voor marker-advectie in tijdsdomein-simulaties).
• Robuustheid: Het iteratieve schema toonde robuustheid, zelfs in niet-fysische configuraties met overlappende druppels, waarbij het convergeerde waar standaardmethoden zouden falen of excessieve mesh-verfijning zouden vereisen.

Betekenis en Claims
De auteurs beweren dat dit hiërarchische surrogaatmodelleringframework een praktisch pad biedt om complexe multifasische Stokes-stromingen te simuleren op standaard werkstations, een taak die normaal gesproken supercomputerbronnen vereist voor high-fidelity methoden. De methode is bijzonder significant voor scenario's met veel druppels en kleine interfaciale scheidingen, waar standaard discretisatietechnieken ernstige computationele knelpunten vormen. Het artikel benadrukt dat de aanpak druppel-stroming, druppel-wand en druppel-druppel interacties systematisch vastlegt. Hoewel de huidige implementatie circulaire druppels veronderstelt, merken de auteurs op dat het framework voldoende rijk is om toekomstige uitbreidingen naar deformeerbare druppels en potentieel Navier-Stokes stromingen te motiveren. Het werk demonstreert dat door fysieke inzichten (fout-PDE's) te combineren met efficiënte numerieke lineaire algebra (subruimtebenaderingen), men een balans kan bereiken tussen nauwkeurigheid en computationele hanteerbaarheid die voorheen onbereikbaar was voor grootschalige druppelsystemen.