从 3D 湍流数据中学习磁流体力学方程：可扩展的物理定律发现框架
计算物理
2025-01-09 v1 高能天体物理现象
流体动力学
等离子体物理
摘要
从数据中发现动力学模型是推进我们理解物理系统的关键步骤。基于库的稀疏回归已成为从时空数据直接推断支配方程的强大方法，但当前的模型中性实现仍计算昂贵，限制了其适用于缺乏显著复杂性的数据的范围。为克服这些挑战，我们引入了一个可扩展框架，使其能够高效地发现广泛应用的复杂动力学模型。我们通过从由高分辨率湍流 MHD 流动模拟生成的合成数据中 ``发现'' 磁流体力学方程 (MHD) 来展示我们方法的能力。我们使用比以往研究多出约 10 倍的候选术语库，准确恢复了完整的 MHD 方程组，包括至关重要于系统动力学的细微耗散项。我们的结果将稀疏回归确立为从复杂高维数据中揭示根本物理法则的实用工具，而无需对底层对称性或任何支配方程形式作出假设。
引用
@article{arxiv.2501.04094,
title = {Scalable Discovery of Fundamental Physical Laws: Learning Magnetohydrodynamics from 3D Turbulence Data},
author = {Matthew Golden and Kaushik Satapathy and Dimitrios Psaltis},
journal= {arXiv preprint arXiv:2501.04094},
year = {2025}
}