A kinetic-diffusion Monte Carlo-based particle-level fluid-kinetic decomposition for neutral transport simulations

技术摘要：基于动力学-扩散蒙特卡洛法的中性粒子输运模拟粒子级流体-动力学分解

问题陈述
在核聚变反应堆的等离子体边缘，中性粒子输运通常使用动力学方程进行建模。虽然蒙特卡洛（MC）粒子追踪法能为这些方程提供精确解，但在高碰撞率机制下，其计算成本极其高昂。相反，流体极限近似法虽然计算效率高，但在低碰撞率机制或靠近边界处往往会因不物理的假设而失去精度。现有的混合流体-动力学方法试图结合两者的优势，但面临着重大挑战：

1. 区域分解： 需要在计算域内部设置人工边界，这在处理时变或迭代模拟时，会导致几何结构复杂且难以处理。
2. 分布分解： 现有的方法（例如在 SOLPS-ITER 或 SOLEDGE2D-EIRENE 中）通常依赖于不物理的假设，例如为了满足守恒定律而分配负质量粒子，或者需要动力学与流体组分之间的迭代耦合，从而增加了计算成本。
3. 估算精度： 先前的粒子级混合方法（例如 [29]）通过时变流体方程估计流体贡献，存在点估计误差（高方差）以及在非均匀背景下估计模拟时间时的偏差问题。

方法论
作者提出了一种利用动力学-扩散蒙特卡洛（KDMC）法在粒子层面构建的分布分解混合模型。其核心创新在于一种渐近保持方案，该方案能够自然地将粒子轨迹拆分为动力学组分和流体组分，而无需迭代耦合。

1. KDMC 基础： 该方法利用 KDMC，通过结合动力学步（模拟物理运动）和扩散步（代表多次碰撞的累积效应）来生成粒子轨迹。在高碰撞率机制下，该方法表现为扩散流体极限；在低碰撞率机制下，它则回归为动力学 MC。
2. 流体系统推导： 为了提高流体组分的精度，作者利用希尔伯特-查普曼-恩斯科格（Hilbert-Chapman-Enskog）展开，推导出了专门针对 KDMC 的 Navier-Stokes 型流体系统。与标准的先进流体中性粒子（AFN）模型不同，该系统：
   • 包含了电离过程。
   • 由耦合的密度和能量方程组成（在 1D 中忽略了动量）。
   • 具有更多的线性项，因为宏观等离子体速度和温度被视为已知输入，从而降低了相比于 AFN 的非线性程度。
3. 混合分解策略：
   • 动力学部分： 在动力学步期间，模型使用标准 MC 估计量（如路程长度估计量）来估计速度矩 ($m_{l,k}$)。
   • 流体部分： 该方法不是求解时变流体方程（这需要估计初始条件和模拟时间），而是重建了稳态流体极限。流体部分的源项直接从动力学部分的矩中导出（$s_f = s - s_k$）。这避免了点估计，显著降低了方差。
   • 边界条件： 引入了一种可调的反射边界条件（由参数 $\alpha \in [0, 1]$ 参数化）。这允许用户以一定的概率在边界处终止粒子轨迹，并将剩余的贡献转移给流体部分。这平衡了精度（低 $\alpha$）与效率（高 $\alpha$）。

主要贡献

• 非迭代混合模型： 提出的模型在粒子层面解耦了动力学和流体组分，消除了其他分布分解方法所需的迭代耦合方案。
• 改进的估算： 通过利用从动力学步重建的源项来求解稳态流体模型，该方法避免了在非均匀背景下估计模拟时间和初始条件所带来的偏差和高方差。
• 定制化流体系统： 推导出了专门针对 KDMC 的 Navier-Stokes 型系统，包括电离和能量方程，这比单一密度模型提供了更准确的流体描述，同时保持了计算的线性。
• 可调边界处理： 引入的 $\alpha$-方案为反射边界提供了权衡动力学分辨率与计算速度的机制。

结果
在在一维设置下进行了数值实验：

1. 流体模型验证： 在一个聚变相关测试案例（解离 ITER 情景）中，所提流体系统展示了与 SOLPS-ITER 中使用的 AFN 模型相当的精度，但所需的非线性迭代次数大幅减少（约 10 次对比数千次）。
2. 混合模型性能（电荷交换主导型）： 在电荷交换（CX）主导的机制下，混合模型相比于全动力学 MC 实现了至少 500 倍的加速。它在边界附近的密度、速度和温度方面保持了约 10% 的相对 $L_2$ 误差。可调 $\alpha$ 参数允许随着 $\alpha$ 的减小系统性地恢复动力学精度。
3. 非主导机制： 在电荷交换不占主导的机制下，混合模型仍实现了超过 100 倍的加速。然而，在反射边界附近的精度对流体近似的局限性更为敏感，尽管混合方法仍然修正了纯流体模型中存在的显著差异。
4. 与 [29] 的比较： 在隔离估计误差的周期性测试案例中，所提方法相比于 [29] 中的时变估计方案，显著降低了偏差和方差（密度标准差至少降低了一个数量级）。

意义与主张
论文声称，所提出的基于 KDMC 的混合模型为现有的中性粒子输运模拟方法提供了一种鲁棒的替代方案，通过：

• 消除迭代耦合： 通过避免其他混合方法中常见的迭代方案，实现了显著的计算节省。
• 增强精度： 通过稳态重建和定制化的 Navier-Stokes 系统提供了更准确的流体估算，避免了负质量或点估计误差等不物理的假设。
• 可扩展性： 展示了在碰撞率较高的机制下实现实质性加速（500 倍）的能力，同时保持了可接受的误差范围，这表明只要开发出合适的流体闭合和边界处理方法，该框架在更高维度的模拟中具有巨大的计算节省潜力。

作者指出，目前的工作限制在一维空间，将该框架扩展到更高维度需要进一步推导多维流体闭合和边界处理。他们同时也指出，在低碰撞率机制下优化边界条件是未来的必要研究方向。