面向湍流壳模型闭合的后验求解器在环方法
流体动力学
2025-04-08 v2 混沌动力学
摘要
本研究探讨了一种用于湍流壳模型亚网格建模的后验数据驱动方法（称为求解器在环）。该方法利用深度学习的可微物理范式，在训练过程中使神经网络模型与微分方程求解器随时间交互。通过考虑训练中时间演化的先验校正，闭合模型自然暴露于方程信息输入分布。这一特性使其区别于传统的先验瞬时训练范式，通常能产生更准确和稳定的闭合模型。我们的研究表明，通过这种后验方法学习的闭合模型能够再现高雷诺数湍流闭合中感兴趣的高阶统计矩。此外，我们通过实验研究了时间展开（unrolling）的影响，这在文献中尚未充分探索。最后，我们讨论了该方法向Navier-Stokes方程的潜在扩展。
引用
@article{arxiv.2411.13194,
title = {Solver-in-the-loop approach to closure of shell models of turbulence},
author = {André Freitas and Kiwon Um and Mathieu Desbrun and Michele Buzzicotti and Luca Biferale},
journal= {arXiv preprint arXiv:2411.13194},
year = {2025}
}