ترجمه فارسی مقاله PLIC-Net: یک رویکرد یادگیری ماشین برای بازسازی سهبعدی رابط در روشهای حجم سیال
| عنوان مقاله به انگلیسی | PLIC-Net: A Machine Learning Approach for 3D Interface Reconstruction in Volume of Fluid Methods |
| عنوان مقاله به فارسی | PLIC-Net: یک رویکرد یادگیری ماشین برای بازسازی سهبعدی رابط در روشهای حجم سیال |
| نویسندگان | Andrew Cahaly, Fabien Evrard, Olivier Desjardins |
| فرمت مقاله انگلیسی | |
| تعداد صفحات | 15 |
| دسته بندی موضوعات | Computational Physics,Fluid Dynamics,فیزیک محاسباتی , دینامیک سیال , |
| توضیحات | Submitted 2 August, 2024; originally announced August 2024. |
| توضیحات به فارسی | ارسال شده در 2 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. |
قیمت: 19,000 تومان
دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله
با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحهای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.
قیمت: 99,000 تومان
سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله
با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحهای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.
قیمت: 600,000 تومان
زمان تحویل: 2 تا 3 روز کاری
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
چکیده
The accurate reconstruction of immiscible fluid-fluid interfaces from the volume fraction field is a critical component of geometric Volume of Fluid (VOF) methods. A common strategy is the Piecewise Linear Interface Calculation (PLIC), which fits a plane in each mixed-phase computational cell. However, recent work goes beyond PLIC by using two planes or even a paraboloid. To select such planes or paraboloids, complex optimization algorithms as well as carefully crafted heuristics are necessary. Yet, the potential exists for a well-trained machine learning model to efficiently provide broadly applicable solutions to the interface reconstruction problem at lower costs. In this work, the viability of a machine learning approach is demonstrated in the context of a single plane reconstruction. A feed-forward deep neural network is used to predict the normal vector of a PLIC plane given volume fraction and phasic barycenter data in a $3times3times3$ stencil. The PLIC plane is then translated in its cell to ensure exact volume conservation. Our proposed neural network PLIC reconstruction (PLIC-Net) is equivariant to reflections about the Cartesian planes. Training data is analytically generated with $mathcal{O}(10^6)$ randomized paraboloid surfaces, which allows for sampling a wide range of interface shapes. PLIC-Net is tested in multiphase flow simulations where it is compared to standard (E)LVIRA reconstruction algorithms, and the impact of training data statistics on PLIC-Net's performance is also explored. It is found that PLIC-Net greatly limits the formation of spurious planes and generates cleaner numerical break-up of the interface. Additionally, the computational cost of PLIC-Net is lower than that of (E)LVIRA. These results establish that machine learning is a viable approach to VOF interface reconstruction and is superior to current reconstruction algorithms for some cases.
چکیده به فارسی (ترجمه ماشینی)
بازسازی دقیق رابط های سیال مایع غیر قابل نفوذ از میدان کسری حجم یک مؤلفه مهم حجم هندسی روشهای سیال (VOF) است.یک استراتژی مشترک ، محاسبه رابط خطی پراکنده (PLIC) است که در هر سلول محاسباتی فاز مختلط قرار می گیرد.با این حال ، کار اخیر با استفاده از دو هواپیما یا حتی یک پارابولوئید فراتر از PLIC است.برای انتخاب چنین هواپیماها یا پارابولوئیدها ، الگوریتم های بهینه سازی پیچیده و همچنین اکتشافی با دقت ساخته شده ضروری است.با این حال ، این پتانسیل برای یک مدل یادگیری ماشین به خوبی آموزش دیده وجود دارد تا بتواند راه حل های گسترده ای را برای مشکل بازسازی رابط با هزینه های پایین ارائه دهد.در این کار ، زنده ماندن یک رویکرد یادگیری ماشین در زمینه بازسازی هواپیما واحد نشان داده شده است.از یک شبکه عصبی عمیق به جلو برای پیش بینی بردار عادی یک هواپیمای PLIC با توجه به کسر حجم و داده های BaryCenter Phasic در یک استنسیل 3 Times3 Times3 $ استفاده می شود.هواپیمای PLIC سپس در سلول خود ترجمه می شود تا از حفاظت دقیق حجم اطمینان حاصل شود.بازسازی PLIC شبکه عصبی پیشنهادی ما (PLIC-NET) با بازتاب در مورد هواپیماهای دکارتی متناسب است.داده های آموزش از نظر تحلیلی با $ Mathcal {o} (10^6) $ سطوح پارابولوئید تصادفی تولید می شوند ، که امکان نمونه برداری از طیف گسترده ای از اشکال رابط را فراهم می کند.PLIC-NET در شبیه سازی جریان چند فاز آزمایش می شود که در آن با الگوریتم های بازسازی استاندارد (E) LVIRA مقایسه می شود ، و تأثیر آمار داده های آموزش بر عملکرد PLIC-NET نیز مورد بررسی قرار می گیرد.مشخص شده است که PLIC-NET شکل گیری هواپیماهای فریبنده را به شدت محدود می کند و باعث ایجاد شکستگی عددی پاک تر رابط می شود.علاوه بر این ، هزینه محاسباتی PLIC-NET پایین تر از (E) LVIRA است.این نتایج نشان می دهد که یادگیری ماشین یک رویکرد مناسب برای بازسازی رابط VOF است و برای برخی موارد برتر از الگوریتم های بازسازی فعلی است.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.