朗道阻尼的数据驱动多矩流体建模
等离子体物理
2022-12-06 v1 天体物理仪器与方法
机器学习
空间物理
摘要
当复杂物理系统中存在某些未知项与隐藏物理机制时，基于第一性原理推导其控制方程颇具挑战。本工作中，我们应用一种深度学习架构，基于从全动理学模型获取的数据来学习等离子体系统的流体偏微分方程（PDEs）。所学习的多矩流体 PDEs 被证明包含了诸如朗道阻尼的动理学效应。基于所学习的流体闭合，该数据驱动的多矩流体建模能很好地复现全动理学模型导出的所有物理量。所计算的朗道阻尼阻尼率与全动理学模拟及线性理论均一致。这种针对复杂物理系统 PDEs 的数据驱动流体建模可望用于改进流体闭合并降低全局系统多尺度建模的计算成本。
引用
@article{arxiv.2209.04726,
title = {Data-driven, multi-moment fluid modeling of Landau damping},
author = {Wenjie Cheng and Haiyang Fu and Liang Wang and Chuanfei Dong and Yaqiu Jin and Mingle Jiang and Jiayu Ma and Yilan Qin and Kexin Liu},
journal= {arXiv preprint arXiv:2209.04726},
year = {2022}
}
备注
10 pages, 8 figures. Computer Physics Communications, in press