保持物理特性的等离子体湍流AI加速模拟
计算物理
2023-09-29 v1 人工智能
等离子体物理
摘要
流体、气体与等离子体中的湍流仍是一个兼具实际与基础重要性的开放问题。其不可约化的复杂性通常无法以暴力计算方式处理。在此,我们将大涡模拟(LES)技术与机器学习(ML)相结合,仅显式保留最大尺度动力学,而小尺度动力学由基于ML的子网格尺度模型描述。将这一新方法应用于自驱动等离子体湍流,使我们能够去除惯性区间的绝大部分,将计算代价降低约三个数量级,同时保留湍流系统的统计物理特性。
引用
@article{arxiv.2309.16400,
title = {Physics-Preserving AI-Accelerated Simulations of Plasma Turbulence},
author = {Robin Greif and Frank Jenko and Nils Thuerey},
journal= {arXiv preprint arXiv:2309.16400},
year = {2023}
}