电子神经闭合用于湍流磁层面模拟:能量通道
等离子体物理
2026-02-05 v2 机器学习
计算物理
摘要
在本工作中,我们引入了一种由 Fully 卷积神经网络(FCNN)参数化的非局部五moment 电子压力张量闭合方案。电子压力在广义欧姆定律中发挥重要作用,竞争关系包括电子惯性。该模型用于开发一个全动力能量守恒半隐式粒子-in-Cell(PIC)湍流磁层面模拟的替代模型。我们通过在较小粒子数每单元的代表性模拟集上训练 FCNN,表明结果可推广到大粒子数每单元的模拟。我们评估了所学习的方程状态的统计属性,重点关注压力-应变相互作用,这对于理解湍流等离子体中的能量通道至关重要。通过 FCNN 学习得到的方程状态显著优于局部闭合方案,例如由多层感知器(MLP)或双各向同性表达式学习的闭合方案。我们报告,整体空间分布的压力-应变及其条件平均值被良好重建。然而,尤其是对压力张量的非对角分量,某些小尺度特征仍被忽略。尽管如此,随着更多训练数据的增加,结果显著改善,表明具有良好的扩展性和潜在改进潜力,这将在未来工作中予以解决。
引用
@article{arxiv.2510.00282,
title = {Electron neural closure for turbulent magnetosheath simulations: energy channels},
author = {George Miloshevich and Luka Vranckx and Felipe Nathan de Oliveira Lopes and Pietro Dazzi and Giuseppe Arrò and Giovanni Lapenta},
journal= {arXiv preprint arXiv:2510.00282},
year = {2026}
}
备注
19 pages, 10 figures, 4 tables