مقاله شبکه عصبی مبنای تانسور آگاهانه برای فیزیک برای مدل سازی تلاطم

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Physics-Informed Tensor Basis Neural Network for Turbulence Closure Modeling
عنوان مقاله به فارسی مقاله شبکه عصبی مبنای تانسور آگاهانه برای فیزیک برای مدل سازی تلاطم
نویسندگان Leon Riccius, Atul Agrawal, Phaedon-Stelios Koutsourelakis
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 8
دسته بندی موضوعات Fluid Dynamics,Computational Physics,دینامیک سیال , فیزیک محاسباتی ,
توضیحات Submitted 24 November, 2023; originally announced November 2023. , Comments: 8 pages, 4 figures, 37th Conference on Neural Information Processing Systems (NeurIPS 2023), Machine Learning and the Physical Sciences Workshop
توضیحات به فارسی ارسال شده 24 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد ، نظرات: 8 صفحه ، 4 شکل ، 37 کنفرانس سیستم های پردازش اطلاعات عصبی (Neurips 2023) ، یادگیری ماشین و کارگاه علوم فیزیکی

چکیده

Despite the increasing availability of high-performance computational resources, Reynolds-Averaged Navier-Stokes (RANS) simulations remain the workhorse for the analysis of turbulent flows in real-world applications. Linear eddy viscosity models (LEVM), the most commonly employed model type, cannot accurately predict complex states of turbulence. This work combines a deep-neural-network-based, nonlinear eddy viscosity model with turbulence realizability constraints as an inductive bias in order to yield improved predictions of the anisotropy tensor. Using visualizations based on the barycentric map, we show that the proposed machine learning method's anisotropy tensor predictions offer a significant improvement over all LEVMs in traditionally challenging cases with surface curvature and flow separation. However, this improved anisotropy tensor does not, in general, yield improved mean-velocity and pressure field predictions in comparison with the best-performing LEVM.

چکیده به فارسی (ترجمه ماشینی)

علیرغم افزایش در دسترس بودن منابع محاسباتی با کارایی بالا ، شبیه سازی های متوسط Navier-Stokes (RANS) به طور متوسط رینولدز به عنوان اسب کار برای تجزیه و تحلیل جریان های آشفته در برنامه های دنیای واقعی باقی مانده است.مدل های ویسکوزیته ادی خطی (LEVM) ، که متداول ترین نوع مدل است ، نمی تواند حالت های پیچیده تلاطم را به طور دقیق پیش بینی کند.این کار ترکیب یک مدل ویسکوزیته ادی غیر خطی مبتنی بر شبکه های عمیق و غیرخطی با محدودیت های واقعی بودن تلاطم به عنوان یک تعصب القایی به منظور پیش بینی های بهبود یافته از تانسور ناهمسانگردی است.با استفاده از تجسم مبتنی بر نقشه باریكنترك ، ما نشان می دهیم كه پیش بینی های تانسور ناهمسانگردی روش یادگیری ماشین پیشنهادی ، پیشرفت قابل توجهی نسبت به همه LEVM ها در موارد سنتی چالش برانگیز با انحنای سطح و جداسازی جریان ارائه می دهد.با این حال ، این تانسور ناهمسانگردی بهبود یافته ، به طور کلی ، پیش بینی های میانگین سرعت و فشار را در مقایسه با LEVM بهترین عملکرد بهبود نمی بخشد.

📚 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.

🎯 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.