面向湍流壁面模型的科学多智能体强化学习
流体动力学
2022-04-06 v2 机器学习
计算物理
摘要
湍流模拟的预测能力——对气动设计与天气预报至关重要——取决于湍流模型的选择。来自实验与模拟的丰富数据以及机器学习的出现，为湍流建模工作提供了助力。然而，湍流模拟仍受限于启发式方法与监督学习无法对近壁动力学建模。我们通过引入科学多智能体强化学习（SciMARL）来发现大涡模拟（LES）的壁面模型，以应对这一挑战。在 SciMARL 中，离散化点同时作为协作智能体，学习为 LES 闭合模型提供量。这些智能体利用有限数据自学习，并泛化到极端雷诺数与先前未见过的几何形状。本模拟相较全分辨率模拟将计算成本降低了数个数量级，同时复现了关键流动量。我们相信 SciMARL 为湍流模拟创造了前所未有的能力。
引用
@article{arxiv.2106.11144,
title = {Scientific multi-agent reinforcement learning for wall-models of turbulent flows},
author = {H. Jane Bae and Petros Koumoutsakos},
journal= {arXiv preprint arXiv:2106.11144},
year = {2022}
}