Wasserstein惩罚熵闭合：随机粒子方法的应用案例
摘要：用于生成分布样本的框架的介绍，给定有限数量的矩，针对基于粒子的动力学方程和稀薄气体流动模拟。我们的模型称为Wasserstein-Entropy分布（WE），将一种物理上有动机的Wasserstein惩罚项与传统的最大熵分布（MED）函数耦合在一起，用于正则化后者。罚项在局部平衡附近变得可以忽略不计，将提议的模型简化为MED，已知能够重现流体动力学极限。然而，与标准的MED不同，所提出的WE闭包可以覆盖整个物理上可实现的矩空间，包括所谓的Junk线。我们还提出了一种高效的蒙特卡洛算法，用于生成未知分布的样本，预计能够胜过用于解决MED问题的传统非线性优化方法。数值测试表明，在碰撞主导和早期转变区域给定直到热流的矩—即相当于包含在Chapman-Enskog分布中的信息—所提出的方法在这些场景提供了可靠的闭合。对于更大的稀薄性需求从高阶矩中获取信息，这可以在所提出的闭包中加以考虑。
作者：Mohsen Sadr, Nicolas G. Hadjiconstantinou, M. Hossein Gorji
论文ID：2308.02607
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2023-08-08