数据驱动的输入输出查找表约简框架：在化学非平衡高超声速流动中的应用

本文提出一种新颖的与模型无关的机器学习技术，用于提取用于反应型高超声速流动模拟的约简热化学模型。首次模拟通过给定模型收集所有相关的热力学状态及相应的气体属性。将这些状态嵌入低维空间并聚类，以识别具有不同热化学（非）平衡程度的区域。随后，使用径向基函数网络从约简的聚类空间到输出空间生成替代曲面。该方法在具有有限速率化学的高超声速平板边界层模拟中得到验证与基准测试。反应型空气混合物的气体属性最初使用开源Mutation++库建模。以轻量级的机器学习替代方案替换Mutation++，在保持整体精度的同时使求解器性能提升50%。