基于$\beta$-变分自编码器的跨声速流物理感知降阶建模
流体动力学
2022-06-24 v2 机器学习
摘要
基于自编码器的降阶建模(ROM)近来备受关注,因其能够捕捉潜在非线性特征。然而,两个关键缺陷严重削弱了其在各类物理应用中的可扩展性:潜变量(LVs)纠缠因而不可解释,以及潜空间维度的盲目确定。对此,本研究提出物理感知ROM,仅使用由 -变分自编码器提取的可解释且信息密集的LVs,它们在本文中被称为物理感知LVs。为提取这些LVs,其独立性与信息强度在一个二维跨声速流基准问题中被定量审视。随后,物理感知LVs的物理意义被深入探究,我们确认在适当超参数 下,它们实际上对应于训练数据集的生成因子——马赫数与攻角。据作者所知,我们的工作是首个在应用物理领域实际确认 -变分自编码器可自动提取物理生成因子的工作。最后,仅利用物理感知LVs的物理感知ROM与传统ROM进行比较,其有效性与效率得到成功验证。
引用
@article{arxiv.2205.00608,
title = {Physics-aware Reduced-order Modeling of Transonic Flow via $\beta$-Variational Autoencoder},
author = {Yu-Eop Kang and Sunwoong Yang and Kwanjung Yee},
journal= {arXiv preprint arXiv:2205.00608},
year = {2022}
}