PNAS速递：深度神经网络预测小尺度湍流动力学
2023/8/10 9:39:57 阅读：33 发布者：
在这篇最新发表于PNAS的文章中，作者使用物理启发的深度学习方法，提出了一个建模框架，通过速度梯度张量（velocity gradient tensor）来捕捉和预测湍流的小尺度动力学。该模型基于获取压强 Hessian 矩阵和粘性拉普拉斯函数作为速度梯度张量的函数闭包。这项任务利用符合物理约束条件的深度神经网络完成，该网络明确纳入了雷诺数依赖性，以考虑小尺度间歇性。然后，作者使用一个包含两个数量级的大尺度雷诺数的大型直接数值模拟数据库进行训练和验证。模型从低到中等雷诺数进行深度学习，并成功预测在已见和未见的更高雷诺数下的速度梯度统计。（DOI：10.1073/pnas.2305765120）
转自：“鲸锐学术”微信公众号
如有侵权，请联系本站删除！
