利用图神经网络推断胶体聚集体的湍流破碎
流体动力学
2026-01-12 v1
摘要
湍流悬浮液中的固体聚集体可能在剪切应力的作用下发生破碎。我们探索了在已知聚集体结构和流动速度梯度的情况下，使用图神经网络（GNN）来推断聚集体破碎的方法。我们考虑了两种模型：第一个GNN是一个分类器，训练用于区分破碎的聚集体和未破碎的聚集体；第二个GNN是一个回归模型，训练用于预测给定流动条件下每个聚集体内部的最大拉伸力。我们表明，这两个模型都以较高的统计精度完成了任务，并且通常比基于平均场量的统计预测表现更好。这项工作为未来使用图神经网络量化悬浮在复杂流动构型中的大量聚集体破碎铺平了道路。
引用
@article{arxiv.2601.05667,
title = {Inferring the Turbulent Breakup of Colloidal Aggregates Using Graph Neural Networks},
author = {Michele Buzzicotti and Massimo Cencini and Giulio Cimini and Marco Vanni and Alessandra S. Lanotte},
journal= {arXiv preprint arXiv:2601.05667},
year = {2026}
}