Comparison of data-driven symmetry-preserving closure models for large-eddy simulation
本文比较了张量基神经网络、群卷积神经网络及无约束卷积网络等数据驱动的大涡模拟闭合模型,发现尽管它们在预测精度上均优于经典模型,但显式保持对称性的模型能生成更物理一致的流速梯度统计特性,从而证明了在数据驱动建模中强制施加对称性约束对于提升模型物理保真度的重要性。
152 篇论文
本文比较了张量基神经网络、群卷积神经网络及无约束卷积网络等数据驱动的大涡模拟闭合模型,发现尽管它们在预测精度上均优于经典模型,但显式保持对称性的模型能生成更物理一致的流速梯度统计特性,从而证明了在数据驱动建模中强制施加对称性约束对于提升模型物理保真度的重要性。
该研究利用冻结氘示踪粒子追踪技术,在超流氦 II 中发现了具有多量子环流且寿命异常长的涡旋环证据,这一发现挑战了多量子涡旋会迅速分裂为单量子涡旋的传统认知。
本文研究了具有恒定涡度的二维毛细液滴,通过建立 Craig-Sulem 方程的哈密顿结构并分析其对称性与运动常数,证明了旋转波的解的存在性,并确立了在固定体积和质心条件下旋转圆解的条件能量稳定性。
该研究通过直接数值模拟,揭示了 Gross-Pitaevskii 涡旋中两种此前未被发现的芯束缚激发(变迹波和花边波)的色散关系,阐明了它们在短波和长波极限下的物理行为,并提出了一种可行的变迹波光谱探测方案。
本文提出了一种修正的波浪衰减理论,通过改进系综平均方法以符合能量守恒,并结合数值模拟与现场数据,成功解释了不规则浮冰和海底地形对长波衰减的影响,包括衰减率与频率的幂律关系及高频段的“滚降效应”。
本文提出了一种结合超参数化与概率演化思想的概率重构方法,通过“像点平流”技术在降维后的概率相空间中利用参考数据的联合分布进行计算,结果显示该方法在海洋模拟中不仅比传统高分辨率模型更准确,且计算速度快数个数量级,适用于多种海洋及海气模型的预测与数据填补。
该研究通过引入包含法向应力差的雅可比导数来体现雷诺应力的对流历史效应,成功解释了高雷诺数泰勒 - 库埃特湍流中平均角动量近乎恒定的物理机制。
本文通过对比后向台阶、正则化后向台阶及三角腔驱动流等几何构型,研究了润滑理论(雷诺方程)在大表面梯度下的误差特性及其与斯托克斯方程在角区流动分离现象上的差异。
该研究通过实验与理论证实,表面波与亚表层湍流的相互作用会引发一种近表面反 Stokes 流,该流动通过垂直重新分配欧拉平均动量来部分抵消 Stokes 漂移,且其演化规律可由基于快速畸变理论的统计模型进行描述。
该论文证明,在任意微小的奇宇称横向扰动下,原本被认为具有环面拓扑的零螺旋度涡旋(如希尔涡和场反向位形)其内部磁通面会转变为单连通拓扑,从而将原有的开闭磁场线二分结构修正为包含单连通区域、环面区域和开放区域的三分结构,这一发现对场反向位形聚变约束物理及流体力学拓扑理解具有重大修正意义。
本文将 Dafydd 和 Porter 关于随机厚度破碎浮冰中波浪衰减的研究扩展至有限水深情形,通过多尺度分析推导了波浪衰减的显式表达式,发现低频衰减与频率的八次方成正比且高频存在滚降效应,并验证了该理论预测与基于缓坡假设的数值模拟及现场观测结果的一致性。
本文提出了一种扩展润滑理论的新公式,通过与现有模型及斯托克斯方程数值解的对比,验证了该新模型在多种几何构型下具有广泛的适用性,并指出表面变化幅度和长度尺度比是影响模型精度的关键因素。
本文提出了一种用于模拟变密度不可压缩流动的混合高阶(HHO)格式,该格式通过精确的体积守恒实现密度的纯对流输运,并结合 ESDIRK 时间离散方法,在压力鲁棒性、密度界保持、边界条件弱施加及计算效率等方面展现出显著优势,并通过数值实验验证了其在瑞利 - 泰勒不稳定性等复杂问题中的收敛性与网格无关性。
该研究揭示拓扑约束(特别是四色定理)通过限制多组分流体混合物的相分离构型来抑制聚并,从而在受限几何中使流体动力学停滞并产生普适的粗化动力学规律,为理解此类体系的时空组织提供了基于染色的拓扑框架。
本文提出了一种利用硅弹性体制备厚度可调的宏观薄弹性胶囊的实验方法,通过水静力充气调节其内部应力,并证实这些“弹性液滴”在忽略弯曲刚度的情况下,其动力学行为完全由环向应力主导,从而可作为具有可调等效表面张力的宏观液滴模型系统。
该论文提出了一种针对分段线性几何形状的雷诺方程快速求解器,通过耦合各分段精确解并利用舒尔补求逆,实现了分段线性高度情形下的线性时间复杂度,并验证了其在润滑理论适用性评估中的有效性。
本文提出了一种基于向量量化主成分分析(VQPCA)的全数据驱动框架,通过聚类技术识别流体动力学中的结构敏感区域和主导流动特征,并在圆柱尾流及合成射流案例中验证了该方法在降低计算成本、揭示流动模式及辅助流动控制策略制定方面的有效性。
该研究提出了一种结合-变分自编码器与 Transformer 扩散模型的生成框架,通过极致的降维压缩实现了壁面湍流的高保真概率重建,并验证了贝叶斯条件采样在数据同化中的有效性及其在约束施加与物理保真度之间的权衡。
该论文提出了一种名为 SMARL 的强化学习方法,仅利用高保真样本估算的能谱作为奖励信号,成功为多尺度地球物理湍流模拟开发了能够稳定捕捉极端事件并显著降低计算自由度的亚格子尺度闭合模型。
该研究通过大涡模拟系统分析了不同阻塞比、长度及马赫数下冲击波在矩形和正弦形局部收缩中的传播特性,揭示了反射与透射冲击波强度的关键影响因素及演化机制,并建立了半经验预测模型。