利用傅里叶神经算子预测界面的演化

近期人工智能的进展确立了神经算子作为预测偏微分方程（如Navier-Stokes方程）演化的强大工具。一些复杂问题需要复杂的算法来处理计算域中的强不连续性。例如，液-气多相流在许多构型中都是一个具有挑战性的问题，特别是涉及大密度梯度或相变的情况。上述复杂性使得对快速工业过程或应用进行精细控制变得困难，因为计算流体动力学（CFD）模型不具备足够快的预测能力。本工作证明了基于神经算子的预测时间尺度与多相应用的时间尺度相当，从而证明它们可以用于控制需要快速响应的过程。神经算子可以使用实验数据、仿真数据或两者的组合进行训练。在以下内容中，神经算子在流体体积法（Volume of Fluid）仿真中进行了训练，所得预测显示出很高的精度，特别是在预测多相过程控制器中最关键的任务之一——液-气界面的演化方面。