二维湍流时空动力学的傅里叶神经算子
流体动力学
2024-09-26 v3 机器学习
混沌动力学
摘要
高保真直接数值模拟湍流流动对于大多数现实世界应用仍然是巨大的计算挑战。最近提出了几种机器学习方法以缓解计算成本, 尽管这些方法在长期预测时会变得不稳定或不符合物理。我们确定, 傅里叶神经算子 (FNO) 基于模型结合部分微分方程 (PDE) 求解器可加速流体动力学仿真, 从而解决大规模湍流仿真的计算成本问题。我们将 FNO 模型视为 PDE 求解器, 并回答构建湍流预训练模型所需数据体积和时间分辨率的重要问题。我们也讨论了纯数据驱动方法的缺陷, 这些方法必须被机器学习模型避免, 才能成为长期湍流仿真的可行且有竞争力的工具。
引用
@article{arxiv.2409.14660,
title = {Fourier neural operators for spatiotemporal dynamics in two-dimensional turbulence},
author = {Mohammad Atif and Pulkit Dubey and Pratik P. Aghor and Vanessa Lopez-Marrero and Tao Zhang and Abdullah Sharfuddin and Kwangmin Yu and Fan Yang and Foluso Ladeinde and Yangang Liu and Meifeng Lin and Lingda Li},
journal= {arXiv preprint arXiv:2409.14660},
year = {2024}
}