基于张量训练的湍流压缩、模拟与合成

湍流流体数值模拟在现实应用中至关重要,从工程领域的流动预测建模到诊断分析皆不可或缺。然而由于其内在的非线性动力学特性,这类模拟需要极高的空间分辨率才能准确描述,因而面临巨大计算挑战。采用张量列车(TT)在离散网格上表征流场是一个颇具前景的方案,其参数数量与网格尺寸呈现理想的比例关系。但学界尚不明确雷诺数衡量的流动复杂性如何影响TT的压缩能力——事实上,此前从未有TT流体求解器在完全发展的湍流状态下得到充分验证。该研究团队填补了这一空白,系统分析了TT作为三维湍流基准快照的压缩、模拟与合成生成的数学框架:首先深入研究了TT压缩对湍流关键特征(包括能谱和各类精度指标)的影响;其次开发了完全在压缩表征内求解不可压Navier-Stokes方程的TT三维流场时间演化模拟器;最后提出能生成具备全部湍流特征人工快照的TT算法。三项研究均证明,仅需参数数量与网格尺寸呈多对数比例关系即可实现精确描述。这些发现证实了真实湍流状态确实存在高效TT表征,并为相关计算处理提供了强大的量子启发式工具包。

量科快讯