面向两流不稳定等离子体的数据驱动多物种热流闭合：非线性稀疏回归
等离子体物理
2025-11-14 v1
摘要
计算等离子体物理学中的准确性和计算效率的双重目标很好地适合使用流体模型。然而，仅当所采用的闭合方案能够捕捉被忽略的动力学物理时，才能满足前者——这一点在处理多尺度无碰撞过程时一直备受挑战。在最近的一篇文章中[Ingelsten 等 (2025)],我们使用稀疏回归数据驱动方法发现了一种用于电静力学现象的新型热流闭合模型。本文将该工作中发现的六项闭合模型从单物种推广到多物种建模。利用OSIRIS粒子-in-cell仿真在各种初始条件下的模拟数据，我们演示了如何从体格子平均的流体量中估计三个最重要项系数的未知系数。展示了神经网络和新开发的非线性稀疏回归框架。所得模型对每个物种的热流预测准确率通常在80-90%之间，并且常规地解释了85-95%的压力变化率。模型还与多物种线性无碰撞理论的结果进行了比较。
引用
@article{arxiv.2511.10147,
title = {Data-driven multi-species heat flux closures for two-stream-unstable plasmas with nonlinear sparse regression},
author = {Emil R. Ingelsten and Madox C. McGrae-Menge and E. Paulo Alves and Istvan Pusztai},
journal= {arXiv preprint arXiv:2511.10147},
year = {2025}
}
备注
25 pages, 8 figures