On the ability of discontinuous Galerkin methods to simulate under-resolved turbulent flows
Massachusetts Institute of Technology（麻省理工学院）
本文研究了间断伽辽金方法在大涡模拟中模拟未解析湍流的能力，探讨了Riemann求解器和亚格子模型在预测各类流动状态中的作用，发现Riemann求解器在DG方案中扮演隐式亚格子模型的角色，能够引入数值耗散，并在无亚格子尺度的流动中（如层流）消失，为准确预测湍流转变提供了关键特性。此外，对于中雷诺数湍流问题，隐式模型比现有的显式涡粘模型更准确地表示实际亚格子尺度。
2018-10-19 cs.CE cs.NA math.NA
Deep learning at scale for subgrid modeling in turbulent flows
RWTH Aachen University（亚琛工业大学）；CORIA – CNRS UMR 6614（CORIA－法国国家科学研究中心联合研究单位6614）
湍流的建模仍然具有挑战性。处理湍流引起的大尺度分离的一种方法是只模拟大尺度，并模拟大涡模拟（LES）中未解决的贡献。本文重点介绍了两种深度学习（DL）策略，回归和重建，它们是数据驱动的，是经典建模概念的有前途的替代方案。使用三维（3-D）强迫湍流直接数值模拟（DNS）的数据，亚网格模型进行评估，预测的解决方案的基础上解决的数量的未解决的部分。对于回归，它表明，前馈人工神经网络（ANN）能够预测完全解决标量耗散率使用过滤输入数据。结果发现，一个大规模的量，如过滤的被动标量本身，和一个小规模的量，如过滤的能量耗散率的组合，给出了最好的协议与实际的DNS数据。此外，增强的超分辨率生成对抗网络（ESRGANs）激励的DL网络被用来从过滤的速度场重建完全分辨的3-D速度场。能量谱显示出非常好的一致性。由于科学数据的大小通常为TB或更大，因此DL需要与高性能计算（HPC）相结合。针对超级计算机JURECA，讨论了HPC-DL的必要代码改进。优化训练代码后，得到396.2 TFLOPS。
2019-10-01 cs.DC cs.LG physics.comp-ph
Parameter Estimation for Subgrid-Scale Models Using Markov Chain Monte Carlo Approximate Bayesian Computation
本文采用近似贝叶斯计算（ABC）结合“改进的”马尔可夫链蒙特卡罗（IMCMC）方法，对湍流的大涡模拟（LES）的亚网格闭合模型参数的后验分布进行了估计。ABC-IMCMC方法避免了在参数估计期间直接计算似然函数的需要，与完全贝叶斯方法相比，能够实现大幅加速和更大的灵活性。该方法还自然地提供了参数估计中的不确定性，避免了用于确定模型参数的许多优化方法所隐含的人为确定性。在这项研究中，我们概述了目前的ABC-IMCMC方法的细节，包括使用自适应的建议和校准步骤，以加快参数估计过程。我们通过使用来自均匀各向同性湍流直接数值模拟的参考数据估计两个非线性SGS封闭中的参数来演示该方法。我们表明，由此产生的参数值与SGS应力和动能产生率的参考概率密度函数在先验测试中具有很好的一致性，同时还提供了正向LES中的稳定解（即，后验检验）。因此，ABC-IMCMC方法被证明是一个有效的和高效的方法来估计未知参数，包括其不确定性，在SGS封闭模型的大涡模拟的湍流。
2020-05-26 physics.comp-ph physics.flu-dyn
Using Physics-Informed Super-Resolution Generative Adversarial Networks for Subgrid Modeling in Turbulent Reactive Flows
RWTH Aachen University（亚琛工业大学）；CORIA（科里亚（法国国家科研中心6614联合研究单位））；Forschungszentrum Jülich（于利希研究中心）
湍流仍然是准确预测反应流的主要挑战之一。因此，开发新的湍流封闭，可应用于燃烧问题是必不可少的。在过去的几年里，数据驱动建模在许多领域变得非常流行，因为大型的，通常是广泛标记的数据集变得可用，并且在GPU上训练大型神经网络变得可能，从而大大加快了学习过程。然而，深度神经网络在流体动力学中的成功应用，例如在大涡模拟（LES）的背景下用于亚网格建模，仍然具有挑战性。其原因是现实流中大量的自由度、关于准确性和误差鲁棒性的高要求以及开放性问题，例如在这种高维、物理约束的场景中训练的神经网络的泛化能力。这项工作提出了一种新的基于生成对抗网络（GAN）的子网格建模方法，该方法使用对抗和物理信息损失进行无监督深度学习（DL）训练。为了提高网络的泛化能力，特别是外推能力，采用了两步训练的方法。新的方法给出了良好的结果，在先验以及后验测试与衰减湍流，包括湍流混合。网络在复杂的燃烧情况下的适用性，进一步讨论了采用它的反应LES的喷雾A的情况下定义的发动机燃烧网络（ECN）。
2019-11-26 cs.GR cs.LG physics.comp-ph
Discrete Lattice BGK Boltzmann Equation Computations of Transient Incompressible Turbulent Jets
本文报道了用离散格子BGK Boltzmann方程计算瞬态不可压湍流平面射流的方法。先验推导的离散格子BGK玻尔兹曼方程的空间和时间依赖的弛豫时间参数，这是用来表示平均流场，从其相应的连续形式。湍流场的平均行为由标准的{ \it k- $ε$ }湍流模型表示，并使用非均匀网格上的有限体积法进行计算。将计算结果与解析解、实验数据及其它计算方法的结果进行了比较。令人满意的协议显示。
2005-03-28 physics.comp-ph physics.flu-dyn
Neural Network for Subgrid Turbulence Modeling for Large Eddy Simulations
本文提出一种用于大涡模拟的神经网络方法，结合传统方程与数据驱动模型，通过高保真数据生成和后处理提升湍流建模精度。
2025-11-27 physics.comp-ph physics.flu-dyn
Proper Orthogonal Decomposition Closure Models For Turbulent Flows: A Numerical Comparison
本文提出了两种新的结构主导型湍流的正交分解降阶封闭模型：动态亚网格模型和变分多尺度模型。这些模型被认为是大涡模拟中最先进的模型，与混合长度和Smagorinsky闭合模型一起，在Re = 1，000时绕圆柱的三维湍流的数值模拟中进行了测试。正交分解降阶模型性能的判断标准有两个：POD系数的动能谱和时间演化。所有的数值结果都是对直接数值模拟的基准。基于这些数值结果，我们得出结论，动态亚网格尺度和变分多尺度模式表现最好。
2011-06-17 physics.comp-ph
Investigation of nonlocal data-driven methods for subgrid-scale stress modelling in large eddy simulation
基于卷积神经网络（CNN），一个强大的监督数据驱动的方法，开发了一个非局部亚网格尺度应力（SGS）模型。由于CNN具有广泛的感受野，因此它是在预测中自然考虑非局部空间信息的理想方法。本文所用的基于CNN的模型仅以原始流量变量作为输入，然后自动提取流量特征，而无需任何$priori$指导。在$priori$和$posteriori$试验中，使用$Re_τ=178$的湍流槽道流的直接数值模拟（DNS）数据训练的非局部模型，即使外推到更高的雷诺数$Re_τ=600$，也能提供接近DNS结果的物理合理的流量统计数据（如平均速度和速度波动）。在我们的模型中，后向散射也预测良好，数值模拟是稳定的。在实际的大涡模拟中，非局部模型的性能优于局部数据驱动的模型，如人工神经网络和某些SGS模型，如Smagorinsky模型。该模型也是鲁棒的，因为当检查训练中使用的空间分辨率的一半到两倍的网格分辨率时，可以获得稳定的解决方案。我们还调查了感受野的影响，并建议使用两点相关分析作为一种定量的方法来指导非局部物理模型的设计。为了将机器学习（ML）算法与计算流体动力学（CFD）相结合，提出了一种新的异构ML-CFD框架。本研究为复杂各向异性湍流大涡模拟中的SGS建模提供了有效的数据驱动非局部方法。
2021-09-03 physics.comp-ph physics.flu-dyn
Computational modeling for high-fidelity coarsening of shallow water equations based on subgrid data
浅水方程的直接数值模拟（DNS）与两个不同的计算代码获得的浅水流的小尺度特征离线收集，随后采用的目的是构建一个降阶校正。这是用来促进高保真在线流量预测，大大降低成本的粗网格。高分辨率下已解析的小尺度特征表示粗略表示的子网格属性。次网格动力学的测量值作为粗网格解的演化与相应DNS结果之间的差异而获得。的测量是敏感的特定的数值方法用于模拟粗糙的计算网格，可以用来近似校正相关的离散化误差。将子网格特征分解为经验正交函数（EOF），然后构造相应的修正项。通过增加在测量值的近似中的EOF的数量，校正项原则上可以任意精确。这里研究的两种计算方法显示，当仅基于主导EOF应用校正时，模拟误差已经显著降低。误差减少说明了所产生的特定离散化误差，因此特定于所采用的特定模拟方法。这种改进也被观察到非常粗糙的网格，可用于地球物理和湍流问题的计算模型简化。
2022-02-23 physics.comp-ph physics.flu-dyn
Kinetic data-driven approach to turbulence subgrid modeling
提出一种基于玻尔兹曼方程的动力学数据驱动方法，利用DNS数据学习碰撞算子，实现湍流亚网格建模，性能优于Smagorinsky模型，计算高效且泛化能力强。
2025-02-25 math-ph math.MP physics.comp-ph
A comparative study of immersed boundary method and interpolated bounce-back scheme for no-slip boundary treatment in the lattice Boltzmann method: Part II, turbulent flows
在本研究的第一部分中，我们比较了两类无滑移边界处理的性能，即，在一系列的层流模拟中的格子玻尔兹曼方法内插反弹格式和浸没边界方法。在这第二部分中，这些边界处理在具有复杂几何形状的湍流的模拟中被进一步比较，以提供对这些方案的下一级评估。两个非平凡的湍流问题，充分发展的湍流管流在低雷诺数，和衰减的均匀各向同性湍流充满了大量的解决球形颗粒。本研究揭示的浸入边界法的主要问题是它无法计算扩散界面内的局部速度梯度，这可能会导致显着低估耗散率和粘性扩散局部附近的颗粒表面。另外，这两类无滑移边界处理能够提供准确的结果，为大多数的湍流统计在载体和分散相，提供足够的网格分辨率被使用。
2019-06-13 physics.comp-ph physics.flu-dyn
Learning subgrid interfacial area in two-phase flows with regime-dependent inductive biases
Georgia Institute of Technology（佐治亚理工学院）
本文研究了在湍流多相流中利用物理结构嵌入学习过程以提高机器学习可靠性，开发并评估了两种子网格闭合模型，发现物理约束模型在不同Weber数下能提升预测精度并抑制非物理伪影。
2026-04-30 physics.comp-ph physics.flu-dyn
Numerically Consistent Non-Boussinesq Subgrid-scale Stress Model with Enhanced Convergence
Massachusetts Institute of Technology（麻省理工学院）；California Institute of Technology（加州理工学院）
本文提出了一种基于机器学习的非 Boussinesq 亚格尺度应力模型，用于改进大涡模拟中的数值一致性与收敛性。
2026-01-28 physics.comp-ph physics.flu-dyn
Large-eddy simulation of the flow in a lid-driven cubical cavity
本文采用谱元法对雷诺数为12000时的带盖驱动方腔内的湍流进行了大涡模拟。两个不同的亚网格尺度模型，即动态Smagorinsky模型和动态混合模型，已被实施和使用的相关的时间尺度的流所需的持久的模拟。所有过滤级别都使用了应用于物理空间（逐元素方法）和谱（模态）空间的显式过滤器。两个亚网格尺度模型进行了验证，并与现有的实验和数值参考结果进行了比较，显示出非常好的协议。在大涡模拟框架下，研究和讨论了在湍流区域内的盖驱动空腔流动的一些特性，如湍流的不均匀性、下游拐角涡附近的湍流产生、小尺度局部化和螺旋特性等。总能量、总湍流动能或螺旋度等量的时间历程表现出不同的演化，但只是在相对较长的瞬态周期之后。然而，平均值仍然非常接近。
2007-09-03 physics.comp-ph physics.flu-dyn
Validation and application of the lattice Boltzmann algorithm for a turbulent immiscible Rayleigh-Taylor system
本文利用Shan-Chen赝势在GPU上实现了二维Rayleigh-Taylor湍流的多组分格子Boltzmann（LB）模型。在不混溶的情况下，这种方法能够准确地克服固有的数值复杂性所造成的复杂结构的界面，出现在充分发展的湍流制度。LB模型的准确性进行测试的早期和后期阶段的不稳定性。对于发达国家的湍流运动，我们分析了不同的条款描述的动能和势能的变化之间的平衡。然后分析了界面在能量平衡中的作用，以及界面诱导的涡量在能量耗散中的作用。统计特性进行了比较混溶和不混溶流。我们的结果也可以被认为是第一个验证步骤，以扩大LB模型的应用程序的三维不混溶瑞利-泰勒湍流。
2021-12-09 physics.comp-ph physics.flu-dyn
Explaining the physics of transfer learning a data-driven subgrid-scale closure to a different turbulent flow
Courant Institute of Mathematical Sciences, New York University（纽约大学柯朗数学科学研究所）；Rice University（莱斯大学）
针对神经网络迁移学习在多尺度非线性系统中的物理机制不清问题，提出结合数据与网络谱分析的框架，以2D湍流亚网格建模为例揭示了TL学到的滤波器物理特性，并基于物理与网络理论事先确定最佳重训练层。
2022-06-07 cs.LG physics.comp-ph physics.flu-dyn
Underlying mechanism of numerical instability in large eddy simulation of turbulent flows
本文扩展了我们最近的理论工作，涉及使用大涡模拟稳定和精确计算湍流的可行性[Ida和Taniguchi，Phys.Rev.E68，036705（2003）]。在我们以前的论文中，它被证明，基于一个简单的假设，瞬时流向速度，高斯滤波器的应用程序的不可压缩的纳维-斯托克斯方程可以导致出现一个数值不稳定的条款，可以分解为积极和消极的粘度。这一结果提出了一个问题，即是否可以通过一个数值稳定的亚网格尺度模型实现精确的解决方案。在本文中，基于统计平均速度的假设，我们提出了类似的理论研究表明，在几种情况下，剪切出现在统计平均速度场数值不稳定的波动分量，因为推导出一个数值不稳定的长期代表在一个固定的方向负扩散。这一发现可以解释有壁流动的大涡模拟中遇到的数值不稳定性问题。本文的结果表明，这种数值问题在大涡模拟中具有普遍性，如果模拟没有失败，得到的亚网格尺度模式仍然具有不稳定性，即现有的几种亚网格尺度模式的已知不稳定性问题不是可以简单地通过人工技术消除的，而是必须认真对待，以便准确地处理它们。
2004-04-13 nlin.CD physics.comp-ph physics.flu-dyn
Sub-Kolmogorov droplet dynamics in isotropic turbulence using a multiscale lattice Boltzmann scheme
采用格子Boltzmann扩散界面模型研究了各向同性湍流中单个液滴的变形和动力学，该模型考虑了外部湍流的产生，并考虑了边界条件。我们专注于一个小的，子Kolmogorov液滴，其规模是远远小于Kolmogorov长度尺度的湍流。外部流场是通过描述被动示踪剂在各向同性湍流中的轨迹的伪谱模拟数据获得的。通过这种方式，我们将液滴的微观尺度和湍流的宏观尺度结合起来。从这个完全解决的模型得到的结果进行比较，以前的研究亚Kolmogorov液滴的动力学在各向同性湍流，其中的分析模型，假设液滴的形状是一个椭圆体在任何时候，是用来描述液滴变形。我们的研究结果证实，混合伪谱格子玻尔兹曼算法是能够研究液滴变形和破碎的制度远远超出了椭球近似。
2021-12-18 physics.comp-ph physics.flu-dyn
Towards a self-consistent Boltzmann's kinetic model of fluid turbulence
基于对流体动力学和湍流脉动的双平均过程，给出了流体湍流Boltzmann-BGK动力学方程有效弛豫时间的一个封闭式。由此产生的有效弛豫时间似乎同意通过重整化群处理的纳维-斯托克斯方程获得的值，只有在低值的$k/T$，湍流动能流体温度的比率。对于$k/T>0.1$，动力学处理提供显著更长的有效弛豫时间。
2020-04-28 physics.comp-ph physics.flu-dyn
Modeling of the subgrid-scale term of the filtered magnetic field transport equation
精确的亚网格尺度湍流模型是进行真实的数值磁流体动力学（MHD）模拟的太阳表面下的流动。为了对湍流MHD流进行大涡模拟（LES），必须对三个未知项进行建模。作为第一步，这项工作提出了使用先验测试来测量各种模型的准确性，提出了预测出现在过滤磁场的传输方程中的SGS项。建议评估SGS模型的准确性方面的“结构”和“功能”的性能，即模型的能力，局部近似未知项和再现其充满活力的行动，分别。从我们的测试，它似乎是基于尺度相似性模型的混合模型具有更好的性能。
2010-10-27 astro-ph.SR physics.comp-ph physics.flu-dyn
Generalized Lattice-Boltzmann Equation with Forcing Term for Computation of Wall-Bounded Turbulent Flows
本文提出了一种基于广义格子Boltzmann方程的框架，该框架采用多松弛时间和强迫项，用于壁面约束湍流的涡捕捉模拟。由于它的灵活性，在使用不同的松弛时间，GLBE是非常适合于保持数值稳定的粗网格，并在获得改善的解决方案的保真度近壁湍流波动。亚网格尺度湍流效应由标准Smagorinsky涡粘性模型表示，该模型通过使用近壁效应的van Driest壁阻尼函数进行修改。为了模拟更广泛的一类问题，我们引入了一般强迫项的自然时刻空间的GLBE。在SGS模型中使用的应变率张量的表达式推导出的GLBE的非平衡力矩，包括这样的强制条款。可变分辨率引入到这个扩展的GLBE框架，通过保守的多块方法。该方法是评估两个典型的流动问题的边界墙，即，基于通道半宽的剪切或摩擦雷诺数（$\mathrm{Re}$）为183.6的充分发展的湍流通道流，以及基于腔体边长的$\mathrm{Re}$为12，000的立方腔体中的三维（3D）剪切驱动流。详细计算的近壁湍流结构的比较，给出了各种湍流统计，与可用的数据，包括那些从直接数值模拟（DNS）和实验显示出良好的一致性，数值稳定性特征的显着改善。
2009-01-19 physics.comp-ph physics.flu-dyn
Comparative study and critical assessment of phase-field lattice Boltzmann models for laminar and turbulent two-phase flow simulations
针对相场格子玻尔兹曼模型性能比较有限的问题，本研究系统分析四类代表性模型，通过典型两相流问题评估其多方面性能，发现保守型Allen-Cahn模型在多维度下平衡表现最优。
2025-11-14 physics.comp-ph physics.flu-dyn
Parametrization of subgrid scales in long-term simulations of the shallow-water equations using machine learning and convex limiting
University of Houston（德克萨斯大学休斯顿分校）
本文提出利用机器学习和凸限制对浅水方程长期模拟中的子格尺度进行参数化，提升能量平衡并准确再现解。
2026-01-30 cs.LG physics.ao-ph physics.comp-ph
Ensemble-variational assimilation of statistical data in large eddy simulation
发展了一种非侵入式资料同化方法来改进大涡模拟（LES）的统计预报。整体变分（EnVar）方法的目的是最小化的成本函数，被定义为LES预测和参考统计数据之间的差异，从实验或在本演示中，独立的直接数值模拟（DNS）。应用该方法对Smagorinsky亚网格模型进行了修正，获得了能准确估计槽道湍流统计特性的数据同化大涡模拟（DA-LES）。为了分别控制建模的子网格张量的平均值和波动，以及最终的一阶和二阶流统计，考虑了两种类型的模型校正。第一个优化了Smagorinsky系数的壁面法线轮廓，而第二个在动量方程中引入了可调节的稳定强迫，以独立地作用于平均流。利用这两个要素，资料同化过程可以令人满意地修改亚网格模式，并准确地恢复参考流统计。检索到的子网格模型显着优于更精细的基线模型，如动态和混合模型，在后验测试。本数据同化方法的鲁棒性进行了评估，通过改变雷诺数，并考虑网格分辨率，远离通常的建议。利用随机制定的EnVar，开发的框架还提供了检索模型的不确定性。
2021-09-25 physics.comp-ph physics.flu-dyn
Low Mach number lattice Boltzmann model for turbulent combustion: flow in confined geometries
在早期的工作中开发的低马赫数热可压缩流的混合格子Boltzmann/有限差分求解器扩展到更现实和具有挑战性的配置，涉及湍流和复杂的几何形状在本文中。与以前的贡献相比，这里的主要新颖之处是应用了一个更强大的碰撞算子，大大扩展了原来的单弛豫时间模型的稳定性，并有利于更大的雷诺数流动模拟。此外，还增加了一个亚网格模型和加厚火焰的方法，允许有效的大涡模拟的湍流反应流在复杂的几何形状。这个强大的求解器，结合适当的处理边界条件，是用来模拟燃烧在两种配置：火焰前在2-D炉膛与几个障碍物的传播，和3-D PRECINSTA旋流燃烧器。与文献中的直接数值模拟和大涡模拟结果相比，二维结构中火焰表面的时间演化显示出非常好的一致性。在冷态流动条件下，采用两种不同的网格分辨率对PRECINSTA燃烧器进行了模拟。与实验数据的比较显示，即使在较低的分辨率非常好的协议。然后使用该模型，与2步化学和多组分运输/热力学，模拟燃烧室在类似于以前报道的实验/数值研究$ϕ$ =0.83的操作条件。结果与现有的大涡模拟结果以及实验数据相比，再次非常好的协议，证明了优异的性能的混合求解器。
2022-07-23 physics.comp-ph physics.flu-dyn
A simplified finite volume lattice Boltzmann method for simulations of fluid flows from laminar to turbulent regime, Part II: Extension towards turbulent flow simulation
本文将第一部分提出的非结构网格上的有限体积格子玻尔兹曼方法（FVLBM）推广到湍流的数值模拟中。为了模拟湍流效应，将$k-ω$ SST湍流模型引入到FVLBM框架中，并采用有限体积法求解。基于涡动粘性假设，由k-ωSST模型的解计算涡动粘性，并将涡动粘性与Bhatnagar-Gross-Krook碰撞项中的层流（运动）粘性相加，修正总粘性。为了提高计算效率，采用三步二阶隐式-显式（IMEX）Runge-Kutta方法进行时间离散，时间步长可以比显式Euler格式大一到两个数量级。虽然计算量增加，但最终计算效率提高了一个数量级，通过对顶盖驱动空腔流的算例，在大时间步长下也能得到较好的结果。通过两个湍流算例验证了本文方法的有效性，包括后台阶绕流和NACA 0012翼型绕流。数值结果与实验数据和数值解吻合较好，表明本文的FVLBM与k-ωSST模型耦合可以准确地预测不可压湍流。
2018-12-02 physics.comp-ph
A numerical tool for the study of the hydrodynamic recovery of the Lattice Boltzmann Method
通过对不同大小的子体上的运动方程进行平均得到能量和拟能的精确平衡关系，研究了格子玻尔兹曼方法（LBM）的流体动力学恢复问题.在二维各向同性均匀湍流的背景下，我们首先验证这种方法对衰减湍流的LBM模拟的合奏对伪谱（PS）模拟的合奏之一的流体动力学恢复进行比较。然后，我们进行了一个基准的LBM模拟强迫湍流雷诺数增加，通过改变输入松弛时间的LBM。这种方法可以扩展到隐式亚网格尺度（SGS）模型的研究，从而提供了一个有前途的路线，量化隐含的SGS模型的LBM框架内现有的稳定技术。
2018-09-17 nlin.CD physics.comp-ph physics.flu-dyn
Wall boundary conditions for Lattice Boltzmann simulations of turbulent flows with wall functions
本文评估 LBM 结合 Spalart-Allmaras 模型与壁面函数时的两类壁面边界，发现滑移速度反弹格式在槽道流和平板边界层中精度与网格收敛更稳定。
2025-09-02 physics.comp-ph physics.flu-dyn
A simplified finite volume lattice Boltzmann method for simulations of fluid flows from laminar to turbulent regime, Part I: Numerical framework and its application to laminar flow simulation
本文对Stiebler等人提出的网格顶点非结构网格有限体积格子玻尔兹曼方法（FVLBM）进行了简单的改进，提出了一种基于网格中心非结构网格的FVLBM方法，并对该方法模拟不可压层流流动进行了全面的研究。与其他复通量重建方法相比，该方法计算量小，空间精度可达二阶，时间精度可根据时间离散方法进行调整。不同的边界条件进行了说明，并容易实现复杂的几何形状。通过四个算例验证了该方法的有效性，包括单平板驱动Couette流的精度检验、方腔流动、单圆柱绕流和更复杂的双圆柱绕流。数值实验表明，该方法可以用较少的网格单元模拟较高雷诺数的流动以及定常和非定常流动，显示了该方法的良好性能。
2018-12-02 physics.comp-ph
Subgrid-scale modeling for microbubble generation amid colliding water surfaces
在两相流中，由于气体环境中液体的碰撞和相互作用而产生的微气泡是一个普遍存在的过程，包括船舶尾流、破碎波和阵雨等大尺度现象。这些碰撞和相互作用事件涉及到液-气界面对的相对接近。随着这些接口的接近，系统的最小长度尺度被动态地减小。这种不断变化的长度尺度的差异是数值上具有挑战性的解决没有就业的亚网格尺度（SGS）的影响和解体模型。在这项研究中，一个基于物理的影响和破碎模型的产生这些微泡的开发和实施。本研究的目标是开发一种计算算法，识别界面碰撞事件，有助于形成微泡，制定一个基于物理的破裂模型，预测微泡大小的分布使用的原始气膜的特性，并将这些模块集成到一个两相流求解器，准确地捕捉所有尺寸的气泡的影响。在这些诉讼中，SGS模型适合于上述问题的建议，并在实施所提出的SGS模型在宏观流动求解器中所涉及的步骤进行了概述。两个方面的发展，这SGS模型，然后详细讨论。首先，SGS模型的第一步，碰撞检测算法的制定和实现进行了详细说明。第二，初步的数值研究结果，旨在阐明破碎过程中的湍流两相流。
2018-11-29 physics.ao-ph physics.comp-ph physics.flu-dyn
Physics-Informed Machine Learning for Modeling Turbulence in Supernovae
湍流在包括核心坍缩超新星（CCSN）在内的天体物理现象中起着重要的作用，但由于直接数值模拟（DNS）过于昂贵，目前的模拟必须依赖于亚网格模型。不幸的是，现有的亚电网模型不够准确。最近，机器学习（ML）在计算湍流闭合方面显示出令人印象深刻的预测能力。我们开发了一个物理信息卷积神经网络（CNN），以保持雷诺应力的可实现性条件，这是准确的湍流压力预测所必需的。ML亚网格模型的适用性进行了测试在这里的磁流体动力学（MHD）湍流在静态和动态制度。我们未来的目标是在CCSN框架中利用这种ML方法（可在GitHub上获得）来研究精确建模的湍流对这些恒星爆炸的影响。
2022-08-09 astro-ph.HE physics.comp-ph
Large-Scale Simulations of Turbulent Flows using Lattice Boltzmann Methods on Heterogeneous High Performance Computers
本文提出一种用于复杂几何壁面建模 LES 的新型 LBM 方案，并在开源框架 OpenLB 中高效实现，在 HoreKa 超算上验证了高达 180 亿网格单元的大规模并行可扩展性。
2025-06-11 cs.CE cs.MS physics.comp-ph
A nonlinear structural subgrid-scale closure for compressible MHD Part II: a priori comparison on turbulence simulation data
尽管可压缩等离子体湍流在许多天体物理现象中都会遇到，但它的影响往往没有得到很好的理解。此外，直接数值模拟通常不能达到这些过程的极端参数。为此，大涡模拟（LES），它只直接模拟大，中尺度，被采用。最小的，未解决的尺度和小尺度和大尺度之间的相互作用，通过一个亚网格尺度（SGS）模型。我们提出并验证了一组新的非线性SGS闭包，以供未来作为可压缩磁流体动力学（MHD）大涡模拟中的SGS模型应用。我们使用了15种不同音速马赫数的强迫、各向同性、均匀湍流的模拟（没有显式SGS模型）$\mathrm{M_s} = 0.2$到$20$，作为文献中迄今为止进行的最广泛的\textit{a priori}试验的参考数据。在这些测试中，我们显式地过滤参考数据，并将新闭包的性能与最广泛测试的闭包进行比较。这些包括具有不同归一化的涡动粘度和尺度相似性类型的闭包。性能指标是与湍流能量和交叉螺旋通量、平均SGS耗散、拓扑结构以及再现SGS矢量的正确大小和方向的能力的相关性。我们发现，只有新的非线性闭包表现出一贯的高相关性（中值\textgreater $0.8$）与数据在整个参数空间，并优于其他封闭在所有测试。此外，我们表明，这些结果是独立的分辨率和选择的过滤器规模。此外，新的封闭件有效地无系数，偏差小于$20\%$。
2016-06-05 astro-ph.GA astro-ph.SR physics.comp-ph
