湍流建模不再一律上AI:按自由度与非平衡度分四类,局部闭包只在无序复杂区可靠
湍流建模的AI部署有了按物理分区的前置判据。此前数据驱动的雷诺平均闭包被当作通用映射,跨几何与强迫条件外推时常失效,而尺度解析模拟又代价高昂。该框架用自由度与偏离平衡程度两个轴把湍流分成四类,指出局部机器学习闭包只在近平衡的无序复杂区可迁移,强相干结构区必须显式解析尺度,并说明物理信息神经网络适合低自由度、强非平衡的确定性流动。
湍流建模的AI部署有了按物理分区的前置判据。此前数据驱动的雷诺平均闭包被当作通用映射,跨几何与强迫条件外推时常失效,而尺度解析模拟又代价高昂。该框架用自由度与偏离平衡程度两个轴把湍流分成四类,指出局部机器学习闭包只在近平衡的无序复杂区可迁移,强相干结构区必须显式解析尺度,并说明物理信息神经网络适合低自由度、强非平衡的确定性流动。
已读完全部报道