Antpedia LOGO WIKI资讯

利用机器学习构建新型物理约束的大涡模拟模型研究

大涡模拟作为当前及未来主流的湍流模拟方法被广泛应用于航空、航天及海洋工程等国家战略科技领域,而大涡模拟模型和方法是大涡模拟研究的核心基础。传统的大涡模拟模型方法存在诸多不足,例如既有模型难以兼顾强数值稳定性以及高保真性,导致湍流模拟的误差过大或者计算发散等问题。因此,探索新的建模思路是大涡模拟研究的热点与难点。 中国科学院力学研究所LHD可压缩湍流课题组研究人员改变了既往研究中只针对亚格子应力建模的固有研究模式,着眼于湍流级串理论中核心的物理量——能流进行建模,利用多尺度梯度展开方法结合机器学习方法给出了可压缩壁湍流中高精度模化的能流,进而利用高精度能流模型对常见的涡粘模型进行物理约束,完成了新的湍流模化过程。新模型很好地结合了高鲁棒性和高保真性的特性并具有一定的尺度自适应性。通过不同的标准化算例检验,新模型可以对可压缩壁湍流的关键物理量如能流(图1)、平均速度剖面(图2)等给出精准预测,并有望进一步推广到更复杂科学及工程......阅读全文

利用机器学习构建新型物理约束的大涡模拟模型

  大涡模拟作为当前及未来主流的湍流模拟方法被广泛应用于航空、航天及海洋工程等国家战略科技领域,而大涡模拟模型和方法是大涡模拟研究的核心基础。传统的大涡模拟模型方法存在着诸多不足,例如既有的模型很难兼顾强数值稳定性以及高保真性,这样会导致湍流模拟的误差过大或者计算发散等问题。因此,探索新的建模思路一

利用机器学习构建新型物理约束的大涡模拟模型研究

  大涡模拟作为当前及未来主流的湍流模拟方法被广泛应用于航空、航天及海洋工程等国家战略科技领域,而大涡模拟模型和方法是大涡模拟研究的核心基础。传统的大涡模拟模型方法存在诸多不足,例如既有模型难以兼顾强数值稳定性以及高保真性,导致湍流模拟的误差过大或者计算发散等问题。因此,探索新的建模思路是大涡模拟研

利用机器学习构建新型物理约束的大涡模拟模型获进展

  大涡模拟作为当前及未来主流的湍流模拟方法被广泛应用于航空、航天及海洋工程等国家战略科技领域,而大涡模拟模型和方法是大涡模拟研究的核心基础。传统的大涡模拟模型方法存在诸多不足,例如既有模型难以兼顾强数值稳定性以及高保真性,导致湍流模拟的误差过大或者计算发散等问题。因此,探索新的建模思路是大涡模拟研

力学所二相湍流流动的大涡模拟取得进展

  携带颗粒的二相湍流流动是自然界和工业生产中常见的流动形式,如沙尘暴、大气中雨滴的形成、发动机中的喷雾燃烧等。大涡模拟方法通常用于预测单相湍流流动,近年来开始用于预测二相湍流,其优点是可以模拟颗粒与湍流相互作用的非定常过程。但大涡模拟方法只能求解大尺度的湍流运动,缺失的亚格子湍流对颗

揭秘五大超级科学机器:飓风模拟器造狂风

不要总是把大型强子对撞机(LHC)挂在嘴上,关于这个庞然大物的报道已经够多了,但除它之外,世界上还有几个研究机器,其重要性一点都不比大型强子对撞机逊色。这些超级机器,有的在跟踪火星机器人,有的在模拟飓风,有的则在揭示超新星诞生之谜,他们不仅具有“冷酷到底”的外观,还肩负着揭开世界上最大的未解之谜的重

机器学习加速探索材料的开发

  设计空间几何增长是材料设计中的一大挑战。机器学习(ML)加速探索材料设计已经开始在的这一挑战中发挥作用,并显著提高了发现材料的效率。然而,这个流程暗含了密度泛函理论(DFT)产生的训练集的统计上的偏见。并且,在使用高通量计算产生训练集的时候,大量的计算会失败。这种情况对于一些有趣的,例如含有自由

研究团队在新型大涡模拟模型构建与应用研究中取得进展

  随着计算机技术的快速发展,大涡模拟逐渐成为湍流模拟的主要手段,在湍流理论研究、航空航天、海洋工程等领域发挥重要作用。迄今为止,仍有一系列关键问题阻碍大涡模拟研究的发展,例如,模型的稳定性与高保真性无法兼顾的问题、传统建模囿于湍流惯性子区、可压缩湍流及转捩预测精度不足等。  中国科学院力学研究所空

比传统机器学习算法快1000倍——联想学习法

英国牛津大学材料系研究人员联合埃克塞特大学和明斯特大学的同事开发了一种片上光学处理器,能检测数据集中的相似性,速度比在电子处理器上运行的传统机器学习算法快1000倍。发表在《光学》杂志上的这项新研究的灵感来自诺贝尔奖获得者伊万·巴甫洛夫对经典条件反射的发现。巴甫洛夫在实验中发现,如果在喂食过程中提供

Google如何用机器学习帮助药物研发?

  从在搜索中回答与健康相关的问题,到给开发者提供健身数据平台,Google在我们的日常健康中越来越重要。但其实互联网巨头们也在努力加快研发治愈人类顽疾的关键药物。   同斯坦福大学的Pande Lab合作,Google Research发表了一篇题为“针对药物研发的大规模多任务网络”的文章

机器学习模型可识别乳房病变风险

  美国研究人员近日在《放射学》杂志线上版发表文章称,他们开发出一种机器学习工具,可以确定哪些高危乳房病变可能会变成癌症,从而帮助医生作出正确的治疗决策,减少不必要的手术。   乳房病变是一种女性常见疾病,而高危乳房病变有很大几率转变成癌症。正是由于这种风险,手术切除病变组织通常被认为是首选治疗