面向三维湍流预测的物理信息Transformer算子
流体动力学
2026-04-08 v7
摘要
数据驱动的湍流预测方法常面临数据依赖性和缺乏物理可解释性的挑战。本文提出物理信息Transformer算子(PITO)及其隐式变体(PIITO)，用于预测三维(3D)湍流，基于视觉Transformer(ViT)架构设计，选取合适的补丁大小。给定当前流场，Transformer算子计算其下一时间步的预测。通过将大尺度涡流(LES)方程嵌入损失函数，PITO和PIITO可在不使用标记数据的情况下学习解算子。此外，PITO能够在训练期间自动学习次网格尺度(SGS)系数。PITO和PIITO在衰减均匀各向同性湍流(HIT)中，对各种统计特性和流结构的预测表现出卓越的稳定性和准确性，长期外推时间超过训练视角的25倍，优于物理信息傅里叶神经算子(PIFNO)。此外，PITO在受控HIT的预测上表现突出，而PIFNO无法实现。值得注意的是，PITO和PIITO分别将GPU内存消耗降低了79.5%和91.3%，参数数量仅为PIFNO的31.5%和3.1%。此外，PITO和PIITO的模型速度远快于传统LES方法。
关键词
引用
@article{arxiv.2601.19351,
title = {Physics-Informed Transformer operator for the prediction of three-dimensional turbulence},
author = {Zhihong Guo and Sunan Zhao and Huiyu Yang and Yunpeng Wang and Jianchun Wang},
journal= {arXiv preprint arXiv:2601.19351},
year = {2026}
}