使用傅里叶神经算子求解湍流瑞利查-贝纳尔对流
流体动力学
2025-01-28 v1 机器学习
摘要
我们训练了用于瑞利查-贝纳尔对流 (RBC) 的傅里叶神经算子 (FNO) 代理模型，RBC 是自然界和工业环境中发生对流过程的模型。我们将 FNO 代理模型的预测精度和模型属性与流体动力学中两款流行代理模型进行比较：动态模式分解 (DMD) 和线性循环自编码器网络 (LRAN)。我们将 RBC 方程的直接数值模拟 (DNS) 视为训练和评估模型的基准真值。在不同设置下进行评估。与 DMD 和 LRAN 相比，FNO 表现良好，其预测速度快且高度准确。此外，我们展示了其在对流动力学中的零样本超分辨能力。FNO 模型在下游任务中具有很大的潜力，例如 RBC 中的流控。
引用
@article{arxiv.2501.16209,
title = {Solving Turbulent Rayleigh-B\'enard Convection using Fourier Neural Operators},
author = {Michiel Straat and Thorben Markmann and Barbara Hammer},
journal= {arXiv preprint arXiv:2501.16209},
year = {2025}
}
备注
Accepted at ESANN 2025, Bruges, Belgium (European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning)