细观结构介质中冲击波传播的时空多场深度学习

预测多孔和架构晶格材料的极端流体动力学响应是高能量密度物理中的一个基本挑战，其中冲击诱导的孔隙塌陷、斜压涡度和异常的动力学及热力学状态必须在多个尺度上得到解析。传统的高保真流体动力学代码在行星防御和惯性约束聚变等应用中，对于大规模设计探索具有计算上的 prohibitive 成本。我们提出了一种多场时空模型 (MSTM)，旨在克服标准机器学习代理模型的局限性，这些代理模型通常无法捕捉冲击波传播特有的尖锐梯度和非线性场耦合。通过在高保真、多尺度多物理场数据上进行训练，MSTM 能够在复杂的材料架构中同时演化七个耦合的热力学和动力学场——包括压力、温度、密度和速度。我们的框架展示了准确预测异常响应的能力，例如反直觉的冲击后密度降低和局部热点形成，其平均均方根误差低至 1.4%。至关重要的是，该模型的多场公式在长期自回归 rollout 中保持了物理一致性和界面稳定性，在结构保真度上比单场模型高出 94%。该框架将求解时间减少了 1000 倍，为细观结构介质中能量耗散和动量传递的实时分析和优化提供了一条实用途径。