湍流对流中大尺度状态之间的集体变量
摘要：通过数据驱动的学习算法，我们分析了在受限湍流对流流动中，系统在马尔可夫型跳跃过程中依次访问的多个长寿命宏观循环状态之间的短跳跃路径。该算法提取了低维度的转移流形和相关的新坐标，我们称之为集体变量，在复杂湍流流动的状态空间中。因此，我们将随机微观系统中的构象转变的概念，如大分子的动力学，转移到确定性宏观流动中。我们的分析基于长期直接数值模拟轨迹，该轨迹涉及了一个Prandtl数为0.7、Rayleigh数为$10^6$和$10^7$的封闭立方体中的湍流对流，并且考虑了$10^5$个对流自由下落时间单位的滞后时间。模拟通过解决所有物理相关尺度上的涡旋和柱塞来描述，结果形成了超过350万个自由度张开的状态空间。通过仅仅两个集体变量的转移流形分析，我们可以捕捉到大尺度环流状态之间的转移动力学，这意味着数据维度的减少超过了100万倍。我们的方法表明，在目前的设置中，大尺度流动的中止和随后的逆转是不太可能发生的，因此为开发高效的宏观复杂非线性动态系统的简化模型铺平了道路。
作者：Priyanka Maity, Andreas Bittracher, P''eter Koltai, and J"org Schumacher
论文ID：2304.02966
分类：Fluid Dynamics
分类简称：physics.flu-dyn
提交时间：2023-08-03