利用守恒律推断深度学习模型对 Richtmyer-Meshkov 不稳定性预测的精度
流体动力学
2022-08-25 v1 机器学习
计算物理
摘要
Richtmyer-Meshkov 不稳定性（RMI）是冲击波穿过扰动界面时发生的复杂现象。我们执行了超过一千次流体力学仿真，以研究参数化高速撞击下 RMI 的形成。深度学习被用于学习初始几何扰动到密度与速度全流场流体力学解的时间映射。连续性方程被用于向损失函数中引入物理信息，然而仅以额外训练复杂度为代价带来非常微小的改进。深度学习模型的预测似乎准确捕捉了域内多种几何条件下的时间 RMI 形成。我们研究了第一性原理物理定律以推断模型预测能力的精度。虽然连续性方程似乎与模型精度无相关性，但质量与动量守恒与精度弱相关。由于守恒律可从深度学习模型快速计算，它们可能在需要相对精度度量的应用中发挥作用。
引用
@article{arxiv.2208.11477,
title = {Using Conservation Laws to Infer Deep Learning Model Accuracy of Richtmyer-meshkov Instabilities},
author = {Charles F. Jekel and Dane M. Sterbentz and Sylvie Aubry and Youngsoo Choi and Daniel A. White and Jonathan L. Belof},
journal= {arXiv preprint arXiv:2208.11477},
year = {2022}
}
备注
Presented at ECCOMAS 2022