PTFlash：一种用于等温两相平衡计算的深度学习框架
化学物理
2022-05-20 v2 人工智能
机器学习
摘要
相平衡计算是多孔介质中多组分多相流数值模拟的重要组成部分，占据了大部分计算时间。本工作中，我们引入了一种支持GPU、快速且并行的框架PTFlash，其利用PyTorch向量化等温两相闪蒸计算所需的算法，并可促进广泛的下游应用。此外，为进一步加速PTFlash，我们设计了两个任务特定的神经网络，一个用于预测给定混合物的稳定性，另一个用于提供分配系数的估计值，二者均离线训练，并通过避开稳定性分析以及减少达到收敛所需的迭代次数来缩短计算时间。PTFlash的评估在三个涉及烃类、CO2和N2的案例研究中进行，其相平衡在宽泛的温度、压力和组成条件下使用Soave-Redlich-Kwong (SRK)状态方程进行了测试。我们将PTFlash与用C++编写、在CPU上逐一执行闪蒸计算的自主热力学库Carnot进行比较。结果表明，在大规模计算上实现了高达两个数量级的加速，同时与Carnot提供的参考解保持完全一致的精度。
引用
@article{arxiv.2205.03090,
title = {PTFlash : A deep learning framework for isothermal two-phase equilibrium calculations},
author = {Jingang Qu and Thibault Faney and Jean-Charles de Hemptinne and Soleiman Yousef and Patrick Gallinari},
journal= {arXiv preprint arXiv:2205.03090},
year = {2022}
}