用于修正 CFD 中亚精度误差的深度神经网络
流体动力学
2022-09-27 v3 机器学习
数值分析
数值分析
计算物理
摘要
在求解离散化偏微分方程时，数值物理模拟中的信息损失可源于多种来源。特别地，当模拟使用低精度 16 位浮点算术而非等效 64 位模拟执行时，与数值精度相关的误差（“亚精度误差”）会在感兴趣量中累积。另一方面，低精度计算比高精度计算更少消耗资源。近来提出的若干机器学习技术已成功修正因粗空间离散化引起的误差。在本工作中，我们扩展这些技术以改进使用低数值精度执行的 CFD 模拟。我们量化了在 Kolmogorov 强迫湍流测试用例中累积的精度相关误差。随后，我们采用卷积神经网络与执行 16 位算术的完全可微分数值求解器，学习一个紧密耦合的 ML-CFD 混合求解器。与 16 位求解器相比，我们展示了该混合求解器在改进涉及模拟统计与点态精度的各项指标方面的有效性。
引用
@article{arxiv.2202.04233,
title = {Deep Neural Networks to Correct Sub-Precision Errors in CFD},
author = {Akash Haridas and Nagabhushana Rao Vadlamani and Yuki Minamoto},
journal= {arXiv preprint arXiv:2202.04233},
year = {2022}
}
备注
Accepted for "Applications in Energy and Combustion Science"