Information-Based Symbolic Regression of Local Closures for RANS Transition Modeling

In de wereld van de aerodynamica gedraagt de lucht die over een vleugel of een turbineblad stroomt zich niet altijd op dezelfde manier. Aan het begin van zijn reis beweegt de lucht in gladde, geordende lagen, een staat die bekendstaat als laminaire stroming. Maar terwijl de lucht reist, kunnen deze lagen plotseling uiteenvallen in een chaotische, kolkende bende die turbulentie wordt genoemd. Deze verschuiving, bekend als transitie, is een kritiek moment. Het verandigt de mate waarin de lucht wrijving uitoefent op het oppervlak, hoe warmte wordt overgedragen en uiteindelijk hoeveel lift of weerstand een object ervaart. Voor ingenieurs die alles ontwerpen, van windturbines tot straalmotoren, is het voorspellen van precies waar en wanneer deze overgang plaatsvindt een van de meest hardnekkige uitdagingen in de moderne fysica.

Om deze stromingen op een computer te simuleren, gebruiken wetenschappers een reeks vergelijkingen die de kleine, snelle fluctuaties van turbulentie middelen. Deze gemiddelde vergelijkingen hebben echter een blinde vlek: ze kunnen de overgang van gladde naar chaotische stroming niet van nature zien. Om dit op te lossen, voegen ingenieurs extra regels toe, zogenaamde "closures", die fungeren als lokale sensoren. Deze sensoren proberen de staat van de stroming te raden met behulp van alleen de informatie die beschikbaar is op een enkel punt, in plaats van naar het gehele stromingsveld te kijken. Het probleem is dat deze bestaande regels vaak grove benaderingen zijn, gebouwd op oude data en vereenvoudigde aannames. Ze werken goed genoeg voor sommige situaties, maar kunnen falen wanneer de omstandigheden veranderen, wat leidt tot onnauwkeurige voorspellingen voor vliegtuigen of machines.

Een team onderzoekers uit Spanje en Frankrijk heeft nu een frisse kijk geworpen op deze lokale sensoren. In plaats van te vertrouwen op traditionele trial-and-error of complexe, onverklaarbare computermodellen, gebruikten zij een methode die informatietheorie combineert met symbolische regressie. Beschouw dit als een manier om de data zelf te laten spreken, door te zoeken naar de eenvoudigste, meest nauwkeurige wiskundige zin die de fysieke realiteit beschrijft. Door een uitgebreide bibliotheek van geïdealiseerde vloeistofstroomoplossingen te analyseren, ontdekten zij nieuwe, preciezere manieren om de lokale staat van de lucht te berekenen. Vervolgens testten zij deze nieuwe formules in een volledige simulatie van een vlakke plaat, een standaard testgeval in de aerodynamica. De resultaten toonden aan dat hoewel de nieuwe formules veel nauwkeuriger waren in het beschrijven van de lokale fysica, hun succes bij het voorspellen van het werkelijke moment van transitie sterk afhing van de specifieke omstandigheden van de stroming, wat onthulde dat het verbeteren van één deel van een complex systeem niet altijd een beter algemeen resultaat garandeert.

De onderzoekers begonnen hun werk door een gecontroleerde omgeving te creëren om de transitie te bestuderen. Zij gebruikten een beroemde familie van wiskundige oplossingen bekend als de Falkner-Skan-profielen. Deze oplossingen beschrijven hoe lucht over een plat oppervlak stroomt onder verschillende drukcondities, variërend van lucht die naar voren wordt geduwd tot lucht die wordt afgeremd. In deze perfecte, theoretische wereld kenden de onderzoekers het exacte antwoord voor twee belangrijke grootheden: de impulsdikte, die meet hoeveel de luchtstroom is vertraagd door wrijving, en een drukgradiëntparameter, die meet hoe de druk langs het oppervlak verandente. Deze grootheden zijn essentieel voor het voorspellen van transitie, maar in een echte computersimulatie zijn ze niet direct beschikbaar. Ingenieurs moeten ze meestal schatten met behulp van lokale aanwijzingen, zoals de afstand tot de wand of de snelheid van de lucht in de nabijheid.

De eerste stap van het team was om te bepalen welke lokale aanwijzingen de meest nuttige informatie bevatten. Zij behandelden het probleem als een zoektocht naar het meest informatieve signaal. Met behulp van een techniek gebaseerd op informatietheorie testten zij duizenden mogheden van combinaties van lokale variabelen om te zien welke het beste de exacte, bekende antwoorden uit hun theoretische database voorspelden. Zij ontdekten dat voor de drukgradiëntparameter de meest informatieve aanwijzing een specifieke combinatie was van hoe de luchtsnelheid loodrecht op de wand veranderde en het kwadraat van de afstand tot de wand. Dit was geen verrassing, aangezien het overeenkwam met de structuur van de bestaande, oudere formule, wat bevestigde dat de oude intuïtie fysiek gezond was. Echter, voor de impulsdikte onthulde de zoektocht een betere kandidaat. De traditionele methode vertrouwde op een variabele gebaseerd op de rotatie van de vloeistof, maar de nieuwe analyse toonde aan dat een eenvoudige ratio waarbij de lokale snelheid en de afstand tot de wand betrokken waren, veel consistenter en betrouwbaarder was onder verschillende stromingscondities.

Met deze superieure aanwijzingen geïdentificeerd, gingen de onderzoekers over naar de tweede fase: het vinden van de exacte wiskundige formule die de lokale aanwijzingen verbindt met de ware waarden. Zij gebruikten een hulpmiddel genaamd symbolische regressie, dat werkt als een digitale alchemist. In plaats van de data in een vooraf gekozen vorm te dwingen, genereert en test dit hulpmiddel miljoenen mogelijke wiskundige expressies, waarbij alleen die worden behouden die zowel accuraat als eenvoudig zijn. Het doel was om een compacte vergelijking te vinden die gemakkelijk in computercode geschreven kon worden. Het resultaat was een reeks nieuwe, expliciete formules die de ware fysieke grootheden met veel hogere precisie reconstrueerden dan de standaardmethoden. Voor de drukgradiëntparameter was de nieuwe formule een complexe polynoom die de subtiele nuances vastlegde die de oude lineaire formule miste. Voor de impulsdikte bleek de beste formule een opmerkelijk eenvoudige lineaire relatie te zijn, die zowel zeer accuraat als gemakkelijk te implementeren was.

De echte test was echter niet alleen hoe goed deze formules in isolatie werkten, maar hoe zij presteerden wanneer zij werden ingevoegd in een volledige, werkende simulatie van een transitiemodel. Het team implementeerde hun nieuwe formules in een standaard één-vergelijking-model gebruikt in engineeringsoftware en draaide simulaties van de ERCOFTAC T3-serie, een beroemde reeks experimenten waarbij lucht over een vlakke plaat stroomt onder diverse omstandigheden. Deze experimenten omvatten gevallen met hoge turbulentie, lage turbulentie en verschillende drukgradiënten. De resultaten waren onthullend. In verschillende gevallen, met name bij matige tot hoge turbulentie of sterke drukgradiënten, verbeterden de nieuwe formules de voorspelling van waar de transitie plaatsvond. De simulatie kwam dichter bij de experimentele data overeen dan het originele model.

Toch was het verhaal geen simpel overwinning. In twee specifieke gevallen met zeer lage turbulentie-intensiteit maakten de nieuwe formules de voorspellingen zelfs slechter. De transitie werd in het ene geval te vroeg voorspeld en in het andere geval te laat. Deze uitkomst benadrukte een cruciale les in complexe modellering: het verbeteren van een enkele component herstelt niet automatisch de hele machine. Het transitie-model is een delicaat evenwicht van vele interagerende onderdelen. Wanneer de onderzoekers de lokale formules vervingen, veranderden zij de balans van het gehele systeem. In sommige scenario's legden de nieuwe, nauwkeurigere lokale data zwakheden bloot in andere delen van het model, zoals hoe het systeem de intensiteit van de inkomende turbulentie inschat. De onderzoekers merkten op dat de bestaande regels voor het schatten van deze turbulentie-intensiteit mogelijk bijgewerkt moeten worden om aan te sluiten bij de nieuwe, meer precieze lokale formules. Zonder dergelijke aanpassingen zouden de voordelen van de nieuwe formules verloren kunnen gaan of zelfs omgekeerd kunnen worden.

De studie concludeert dat hoewel informatie-gebaseerde symbolische regressie een krachtig hulpmiddel is voor het creëren van duidelijkere, nauwkeurigere lokale regels, het geen wondermiddel is dat het gehele probleem van transitiemodellering oplost. De nieuwe formules bieden een getrouwer beeld van de lokale fysica en bieden een solide fundament voor toekomstige verbeteringen. De onderzoekers benadrukken echter dat voor deze nieuwe regels om in alle situaties perfect te werken, de rest van de modelarchitectuur mogelijk opnieuw gekalibreerd moet worden. Het werk suggereert een pad voorwaarts waarbij datagedreven methoden systematisch de bouwstenen van turbulentiemodellen kunnen verfijnen, maar het dient ook als een herinnering dat in de complexe wereld van de vloeistofdynamica elk onderdeel perfect moet passen om het volledige beeld te laten ontstaan. De onderzoekers zijn van plan hun werk uit te breiden naar complexere, driedimensionale stromingen en om de andere delen van het model opnieuw te bekijken om te zien of zij op dezelfde manier verbeterd kunnen worden, met als doel een toekomst waarin transitievoorspellingen even betrouwbaar en transparant zijn als de fysica die zij beschrijven.