Comparison of data-driven symmetry-preserving closure models for large-eddy simulation
Este trabalho compara modelos de fechamento para simulação de grandes vórtices (LES) baseados em dados que preservam simetrias, demonstrando que, embora todas as abordagens de redes neurais superem os modelos clássicos em precisão, aqueles que incorporam explicitamente as simetrias físicas produzem estatísticas de gradiente de velocidade mais consistentes e fisicamente fiéis.