朝向学习晶格玻尔兹曼碰撞算子
摘要：使用深度学习方法，我们探索了从数据碰撞算子中学习晶格玻尔兹曼方法的可能性。我们比较了神经网络（NN）碰撞算子的一系列设计，并评估了所得到的LBM方法在再现几种经典流体流动的时间动力学方面的性能。在当前研究中，为解决学习问题的首次尝试中，数据是由单个弛豫时间BGK算子生成的。我们证明了普通的NN结构的精度非常有限。另一方面，通过嵌入物理性质，例如守恒定律和对称性，可以将精度提高数个数量级，并正确再现标准流体流动的短时和长时动力学。
作者：Alessandro Corbetta, Alessandro Gabbana, Vitaliy Gyrya, Daniel Livescu, Joost Prins, Federico Toschi
论文ID：2212.06124
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2023-03-09