Finite-Time Relaxation of Inertial Particle Clustering in Non-Equilibrium Turbulence

本研究证明，由于有限时间弛豫效应，瞬时平衡近似无法准确预测非平衡湍流中的惯性粒子聚集现象，并提出了一种新的线性弛豫模型，该模型引入了特定的标度律，与传统方法相比显著降低了预测误差。

要点

想象你身处拥挤的舞池（即湍流）。在这人群中央，有数千名微小而沉重的舞者（即惯性粒子，如云中的水滴或空气中的尘埃）。

因为这些沉重的舞者具有动量，他们无法像周围轻盈灵活的人那样瞬间转向。相反，他们会被甩出旋转的漩涡，并被推入笔直、拉伸的通道。这导致他们在特定位置聚集，形成紧密的小团体或团簇。

科学家们早已知道，这些团簇之所以重要，是因为它们使沉重的舞者更频繁地相互碰撞。然而，大多数用于预测这些团簇的旧规则，都是针对那种音乐和人群能量永不改变的舞池（即统计稳态）而制定的。

问题：“瞬时”谬误

本文提出的核心问题是：当音乐突然改变时会发生什么？

想象 DJ 突然从舒缓的慢节奏切换到高能量、快节奏的曲目，然后又切回来。

• 旧假设：科学家曾假设，沉重的舞者在节拍改变的瞬间就会重新排列成新的群体。他们认为团簇形成是一种“瞬时平衡”。
• 现实：本文作者发现这一假设是错误的。就像沉重的舞者需要几秒钟才能停止旋转并开始跑向新位置一样，粒子团簇也需要时间来响应湍流能量的变化。它们不会立即跃迁到新形态，而是在一段有限时间内“弛豫”到该形态。

实验：有节奏的舞池

为了证明这一点，研究人员使用超级计算机模拟了一个三维舞池。他们并非让音乐随机播放，而是将能量注入编程为以完美节奏（如心跳般）上下脉冲。

他们测试了这种节奏的不同速度：

1. 快节奏：节拍变化太快，沉重的舞者完全跟不上。
2. 慢节奏：节拍变化足够慢，使舞者有时间反应，但又不够慢到让他们完全同步。

他们的发现：
当节奏足够慢时（具体来说，当两次节拍之间的时间间隔长于人群中一个大漩涡旋转一圈所需的时间），团簇会表现出一种称为滞后的现象。

将滞后想象成一扇粘滞的门。

• 如果你推开门（增加能量），它会在某个特定点打开。
• 如果你拉上它（减少能量），它不会在完全相同的点关闭；由于“粘滞性”（即惯性），它会保持开启状态稍久一些。
• 在模拟中，对于房间内相同的能量水平，团簇的状态截然不同，这取决于能量是正在上升还是正在下降。
  • 当能量上升时，团簇非常微弱（仅为预期大小的 80%）。
  • 当能量下降时，团簇非常强（达到预期大小的 156%）。

这证明了你不能仅凭当前的能量水平来判断粒子的聚集情况；你必须了解能量达到该状态的历史。

解决方案：新规则手册

研究人员意识到旧的“瞬时”规则手册已失效。因此，他们构建了一个更简单的新模型来修正它。

他们将团簇形成过程比作汽车上的弹簧或减震器。

• 当道路（湍流）发生变化时，汽车不会瞬间弹跳至新的高度。它会在一段特定的时间内弹跳并稳定下来。
• 他们精确计算了这段“稳定时间”（弛豫时间）需要多久。他们发现这取决于两件事：
  1. 人群中漩涡的大小（大涡旋 turnover 时间）。
  2. 舞者相对于人群的重量（斯托克斯数）。

他们的新公式是：弛豫时间 = (漩涡大小) × (重量)^0.40。

结果：更精准的预测

他们将这个新的“弹簧”模型与计算机模拟进行了对比测试。

• 旧模型（瞬时）：犯了巨大错误，对于最重的粒子，误差有时接近50%。这就像在计算汽车高度时忽略了弹跳。
• 新模型（有限时间）：显著提高了精度，将误差降低至仅10%。即使他们在一组完全不同的条件（另一个“舞池”）下测试，该模型仍将误差从 76% 降低到了 22%。

结语

本文告诉我们，在能量不断变化的非平衡湍流这一混乱世界中，粒子不会瞬间做出反应。它们拥有“记忆”和反应时间。通过承认这种延迟，并在我们的计算中加入简单的“稳定时间”，我们可以更准确地预测粒子如何聚集。这对于理解诸如云中降雨形成等过程至关重要，因为液滴碰撞的时机在此类过程中极为关键。

技术摘要

技术摘要：非平衡湍流中惯性粒子团簇的有限时间弛豫

问题陈述
湍流中的惯性粒子表现出优先聚集，形成团簇，显著影响碰撞速率和输运性质。当前的粒子团簇模型，特别是在云微物理中，主要源自统计稳态湍流。当应用于时变、非平衡湍流时，这些模型隐含地假设了“瞬时平衡近似”，即径向分布函数（RDF），$g(r)$，能立即调整以适应瞬时湍流状态（例如能量耗散率）。然而，该假设在非平衡条件下的有效性尚不明确。先前的研究表明，粒子团簇对湍流状态变化的响应可能存在时间滞后，表现出滞后现象，但这种滞后现象的强度及相关的弛豫时间尚未被定量表征。

方法论
作者利用 Julia 语言中的拉格朗日云模拟器（LCS.jl）对均匀各向同性湍流进行了直接数值模拟（DNS）。该研究采用了两种主要的强迫策略来生成非平衡湍流：

1. 周期性非稳态强迫：能量注入率 $P(t)$ 在强相（$P_s$）和弱相（$P_w$）之间交替切换，周期（$T$）可变。这使得能够评估周期性响应，并通过 100 个周期的相位平均提取滞后回线。
2. 单次阶跃非稳态强迫：能量注入率从强稳态一次性切换至弱稳态。利用这种瞬态响应构建并验证了一个线性弛豫模型。

模拟涵盖了泰勒雷诺数（$Re_\lambda \approx 84\text{--}216$）和斯托克斯数（$St_s = 0.25\text{--}4.0$）的一系列范围。团簇强度使用接触距离处的径向分布函数 $g \equiv g(r=2r_p)$ 进行量化。

关键结果

• 非平衡标度律：在所有强迫周期下，湍流流动均一致表现出非平衡耗散标度律（$C_\epsilon \propto Re_\lambda^{-1}$），证实了非平衡湍流状态的生成。
• 团簇中的滞后现象：当强迫周期（$T^*$）超过几个大涡 turnover 时间（$T_e$）时，在瞬时能量耗散率（$\epsilon$）与团簇强度（$g^*$）的关系中观察到了清晰的滞后回线。
  • 对于 $T^* = 12.0$ 和 $St_s = 4.0$，团簇强度在相同的瞬时 $\epsilon$ 下取两个不同的值（分别为参考值的 0.80 倍和 1.56 倍），具体取决于流动历史。
  • 这种滞后现象超过了统计稳态湍流中观察到的自然波动，表明在这些条件下瞬时平衡近似失效。
  • 滞后回线的方向和形状取决于斯托克斯数，反映了平衡团簇强度与 $\epsilon$ 之间的非单调关系。
• 有限时间弛豫：研究确定团簇强度以有限时间尺度向瞬时平衡值弛豫。构建了一个线性弛豫模型：
  $$\frac{d g_{noneq}}{dt} = \frac{g_{eq}(t) - g_{noneq}(t)}{\tau_g}$$
  其中弛豫时间 $\tau_g$ 的标度律为 $\tau_g = 1.0 T_e(t) St(t)^{0.40}$。

模型验证与性能
提出的线性弛豫模型（noneq-model）针对独立的 DNS 数据（Case S2）进行了验证，并与瞬时平衡模型（eq-model）进行了比较。

• 对于具有最大惯性的粒子（$St_s = 4.0$），noneq-model 的最大相对误差在训练案例（S1）中从 49%（eq-model）降低至 10%，在独立验证案例（S2）中从 76% 降低至 22%。
• 预测精度的提升在高斯托克斯数下最为显著，因为那里的弛豫时间最长。对于较低的斯托克斯数，由于弛豫时间较短，瞬时平衡近似仍然相对准确。

意义
本研究证明，当强迫周期超过几个大涡 turnover 时间时，瞬时平衡近似不适用于描述非平衡湍流中的惯性粒子团簇。通过将团簇响应表征为有限时间弛豫过程，作者为改进时变湍流中的团簇模型提供了定量基础。所确定的弛豫时间标度律允许构建更准确的预测模型，用于非平衡条件下的载流粒子流动，例如在大气云微物理和工程应用中所发现的情况。