基于 DeepONet 的燃烧化学加速框架
化学物理
2023-04-25 v1 机器学习
流体动力学
摘要
基于深度算子网络（DeepONets）开发了一种燃烧化学加速方案。该方案通过改进的 DeepOnet 架构识别燃烧反应动力学，从而将热化学标量的解以小且灵活的时间步长投影到新的解。该方法旨在高效实现化学加速，而无需对刚性化学进行计算昂贵的积分。还提出了一种基于改进 DeepOnet 的潜空间动力学辨识附加框架，提升了计算效率并拓宽了所提方案的适用性。该方案在氢气氧化的简单化学动力学到正十二烷高、低温氧化的更复杂化学动力学上进行了验证。所提框架准确学习了化学动力学，并高效复现了各应用对应的物种与温度时间曲线。此外，所提方案还展现出极大的加速比与很强的外推能力。
引用
@article{arxiv.2304.12188,
title = {A Framework for Combustion Chemistry Acceleration with DeepONets},
author = {Anuj Kumar and Tarek Echekki},
journal= {arXiv preprint arXiv:2304.12188},
year = {2023}
}
备注
10 pages, Conference paper (submitted to 13th National Meeting of the Combustion Institute, At College Station, Texas)