Modeling the Flow of Yield-Stress Fluids in Porous Media
屈服应力是一种有争议的非牛顿流动现象。在这篇文章中，我们研究的屈服应力物质通过多孔介质的孔隙尺度网络模型的框架内的流动。我们还研究了最小阈值路径（MTP）算法的有效性，以预测网络描绘随机或规则多孔介质的压力屈服点。作为预测网络屈服点的基础的逾渗理论简要介绍和评估。在这项研究的过程中，一个屈服应力流模拟模型以及几个数值算法相关的屈服应力在多孔介质中的开发，实施和评估。一般的结论是，模拟多孔介质中屈服应力流体的流动是太困难和有问题。未来需要更基本的建模策略来解决这个问题。
2009-10-04 physics.comp-ph physics.flu-dyn
Hybrid Particle-Fluid Modeling of Plasmas
有许多有趣的物理过程涉及到大体积高密度等离子体的产生。然而，当对这些系统进行数值建模时，大的密度和体积提出了重大的计算挑战。一种用于对等离子体物理进行建模的技术，即单元中粒子（PIC）方法，是非常精确的，但是随着等离子体密度的增长，需要增加计算时间和数值分辨率。在本文中，我们提出了一种新的技术，用于减轻极端的计算负荷，等离子体密度的增长相结合，现有的PIC方法与介电流体的方法。通过在混合粒子-流体模型中使用这两种描述，我们现在可以探测大体积，高密度区域的物理。混合方法还提供了一个平滑的过渡，随着等离子体密度的增加和电离分数增长的值，很好地描述了单独的流体描述。我们提出的混合技术，并证明了一个简单的例子与分析解决方案的基准物理模型的有效性。
2004-02-09 physics.comp-ph physics.plasm-ph
Modeling the Flow of a Bautista-Manero Fluid in Porous Media
在这篇文章中，拉伸流动和粘度和收敛-发散几何检查作为在多孔介质中的特殊粘弹性行为的基础。修正的Bautista-Manero模型，成功地描述了shearnning，弹性和触变的时间依赖性，用于建模的粘弹性材料，也显示触变属性的流动。最初由Philippe Tardy提出的一种算法，采用该模型来模拟稳态时变流，在非牛顿流模拟代码中使用孔隙尺度建模实现，并对初始结果进行了分析。研究结果对未来的进一步发展是令人鼓舞的。
2009-05-12 physics.comp-ph physics.flu-dyn
Modeling particle-fluid interaction in a coupled CFD-DEM framework
在这项工作中，我们提出了一种替代方法来解决CFDEM耦合框架中的颗粒-流体相互作用。这种数值方法包括耦合离散单元法（DEM）与计算流体动力学（CFD）计划，解决浸没在流体相颗粒的运动。作为一个新颖的，我们的方法明确占体力作用于流体相时，计算当地的动量平衡方程。因此，我们实现了一个流体-颗粒相互作用计算的浮力和阻力作为局部剪切应变和压力梯度的函数。作为基准，我们研究了单个粒子的斯托克斯极限。验证进行比较，我们的结果与以前解决的方法和分析预测提供的。在一般情况下，我们发现，新的实现再现非常好的精度斯托克斯动力学。作为补充，我们研究了受限条件下球体的沉降终极速度。
2021-03-20 physics.comp-ph physics.flu-dyn
Modeling Fluid Polyamorphism Through a Maximum-Valence Approach
我们提出了一个简单的模型来描述多晶在单组分流体中使用的最大价的方法。该模型包含三种类型的相互作用：i）原子通过范德华力相互吸引，范德华力在低压下产生液-气转变，ii）原子可以形成诱导缔合的共价键，以及iii）键合原子比非键合原子更强地相互吸引或排斥，从而产生液-液分离。作为一个例子，我们定性地比较这个模型与液体硫的行为，并表明条件（iii）产生的液-液相变除了液-气相变。
2022-06-05 cond-mat.soft physics.comp-ph
Differentiable hybrid neural modeling for fluid-structure interaction
求解由非线性偏微分方程描述的复杂流固耦合问题在各种科学和工程应用中具有重要意义。传统的基于计算流体动力学的求解器不足以处理对大规模和长周期模拟的日益增长的需求。数据可用性的不断提高和深度学习（DL）的快速发展为通过数据建模解决这些挑战开辟了新的途径。通过可微编程框架，DL和经典数值技术的无缝集成可以显着提高数据驱动的建模性能。在这项研究中，我们提出了一个可微的混合神经建模框架的FSI问题的有效模拟，其中数值离散化的FSI物理的基础上浸入边界法无缝集成与序列神经网络使用可微编程。所有模块都是用JAX编程的，其中自动微分可以在整个模型滚动轨迹上进行梯度反向传播，从而允许混合神经FSI模型作为一个整体以端到端、序列到序列的方式进行训练。通过几个FSI基准案例，我们证明了所提出的方法的优点和能力，在建模FSI动力学的刚性和柔性体。所提出的模型也证明了其优于基线纯数据驱动的神经模型，弱耦合混合神经模型，纯数值FSI求解器的准确性，鲁棒性和可推广性。
2023-03-23 cs.CE physics.comp-ph
Molecular modeling of hydrogen bonding fluids: Vapor-liquid coexistence and interfacial properties
分子建模的一个主要挑战在于优化不同的相互作用势。在许多情况下，当需要准确预测混合物蒸气压等属性时，组合规则通常是次优的。然而，众所周知的Lorentz-Berthelot规则表现得很好，可以用作起点。如果需要更精确的结果，建议调整色散相互作用能参数。在本研究中，混合物的性质进行了探讨，为含有氢键成分的二元系统。此外，还讨论了汽液界面团簇判据和接触角，并给出了计算细节。最后，一个空间准确的通用模型苯甲醇的介绍和评价。
2010-01-12 physics.chem-ph physics.comp-ph
Multiscale modeling framework of a constrained fluid with complex boundaries using twin neural networks
本文提出孪生神经网络增强的多尺度框架，通过神经网络表示粗粒化势并代理预测复杂边界下受限流体的速度剖面，实现原子尺度与介观尺度模拟的准确连接。
2024-08-06 physics.chem-ph physics.comp-ph
Lattice Boltzmann modeling of wall-bounded ternary fluid flows
本文在格子玻尔兹曼方法的框架下，提出了一种描述三元流体与固体相互作用的润湿边界格式。这种用于三相流体的方案可以保持两相情况下的还原一致性，从而可以给出物理相关的结果。将该润湿边界格式与基于多组分相场论的格子Boltzmann（LB）三元流体模型相结合，模拟了含固体基底的三元流体流动问题，包括二元液滴在基底上的铺展、复合液滴在基底上的铺展以及复合液滴在基底上的剪切。数值结果与解析解或已有结果吻合较好。最后，作为一个应用，我们使用LB模型与本润湿边界方案耦合数值研究复合液滴对固体圆柱的影响。结果表明，固体表面的润湿性和无量纲韦伯数对复合液滴的动力学行为有显著影响。
2017-10-26 physics.comp-ph physics.flu-dyn
Modeling radio communication blackout and blackout mitigation in hypersonic vehicles
提出了一种高超声速飞行器无线电通信中断的建模与分析方法。采用多组分单流体形式的全纳维-斯托克斯方程对高超声速再入飞行器表面产生的弱电离等离子体进行了数值模拟。采用七组分空气化学模型计算了空气中各组分的浓度，包括电离等离子体浓度，并与实验结果进行了比较。电磁波与等离子体层的相互作用是使用多流体方程的流体输运和完整的麦克斯韦方程组的电磁场建模。对哨声波在平板中的传播进行了验证。介绍了高超声速飞行器无线电通信中断的第一性原理，以及一种简单的利用磁窗抑制中断的方案。
2014-11-12 physics.comp-ph physics.plasm-ph
Machine learning assisted coarse-grained molecular dynamics modeling of meso-scale interfacial fluids
介观尺度界面流体的一个特点是界面能的多面性和尺度依赖性，在分子尺度和连续尺度上表现出不同的特征。多尺度性质对构建可靠的粗粒度（CG）模型提出了挑战，其中CG势函数需要忠实地编码由未解决的原子相互作用产生的多体相互作用，并考虑界面上的异质密度分布。我们构建的CG模型的单组分和双组分的聚合物流体系统的基础上最近开发的深粗粒势（DeePCG）计划，其中每个聚合物分子被建模为CG粒子。通过只使用热平衡状态下瞬时力的训练样本，所构造的CG模型能够准确地再现整体孔隙形成的概率密度函数和流体界面上毛细波的频谱。更重要的是，CG模型准确地预测了非极性溶剂化能的体积-面积标度转换，说明了探测分子水平保真度编码的介观尺度集体行为的有效性。
2022-10-22 cond-mat.soft physics.comp-ph
Numerical modeling of bubble-particle interaction in a volume-of-fluid framework
本文提出了一种数值方法来模拟含气泡颗粒相互作用的气液固三相流动，包括颗粒碰撞、滑动和附着。气液两相流在欧拉框架下采用流体体积法进行模拟。粒子运动预测的拉格朗日框架。提出了碰撞检测和粒子滑动、附着判定的算法。一个有效的气泡被引入到模拟这些气泡-颗粒相互作用。所提出的数值方法是通过实验的情况下，需要一个单一的气泡与颗粒的上升进行验证。从模拟中获得的碰撞和附着概率进行比较，模型和实验结果的基础上的气泡直径，颗粒直径，和接触角。气泡附近的颗粒轨迹，显示与建议的气泡-颗粒相互作用模型的差异。利用该模型观察了碰撞粒子的滑动和附着过程。
2020-11-30 physics.comp-ph physics.flu-dyn
Real-fluid behavior in rapid compression machines: Does it matter?
本研究首次探讨RCM中真实流体行为对实验数据解释、自燃建模及化学动力学模型验证的影响，基于高阶维里状态方程提出新理论并开发建模框架，证实其重要性并建议采用该框架以避免误差。
2025-11-14 physics.chem-ph physics.comp-ph
Contemporary Approach for Simulation and Computation of Fluid Flows in Centrifugal Hydromachines
本文介绍了流体流动的数学建模的各个方面，一般和参考水力机械。本文回顾了相应的数学建模方法的历史发展。这些方面的实现在现代商业CFD软件工具的优点和缺点的实现方法一起描述。得出的结论是关于当今流体流动计算的可能性。
2004-09-20 physics.comp-ph physics.ed-ph physics.flu-dyn
Cascaded Lattice Boltzmann Modeling and Simulations of Three-Dimensional Non-Newtonian Fluid Flows
非牛顿流体流动，特别是三维（3D）的非牛顿流体流动，出现在物理学感兴趣的许多环境中。以前的研究，使用格子玻尔兹曼方法（LBM）的这种流动到目前为止，主要局限于两个维度，并使用不太强大的碰撞模型。在本文中，我们开发了一个新的三维级联LBM的基础上，中心矩和多重弛豫时间的三维，十九速度（D3Q19）格子模拟广义牛顿（幂律）流体流动。二阶矩的弛豫时间根据局部剪切速率局部变化，并由幂律流体的非线性本构关系的一致性系数和幂律指数参数化。数值验证研究的三维级联LBM的各种基准问题，包括复杂的三维非牛顿流在立方腔在不同的雷诺数和幂律指数的大小，包括剪切变稀和剪切增稠流体，提出。此外，所提出的改进的LBM格式与基于其他碰撞模型的LBM，如SRT模型和MRT模型基于原始矩的数值稳定性进行了比较。数值结果表明，三维级联LBM的精度，二阶网格收敛性和显着改善的稳定性，用于模拟三维非牛顿幂律流体的流动。
2021-01-26 physics.comp-ph physics.flu-dyn
Reduced order modeling of fluid flows: Machine learning, Kolmogorov barrier, closure modeling, and partitioning
在本文中，我们提出了一个长短期记忆（LSTM）轻推框架，用于利用噪声测量增强流体流动的降阶模型（ROM）。我们建立在这样一个事实，即在实际应用中，有初始条件，边界条件，模型参数和/或现场测量的不确定性。此外，传统的基于Galerkin投影的非线性ROM（GROMs）由于模态截断而遭受不完美性和解的不稳定性，特别是对于Kolmogorov宽度衰减缓慢的对流主导流。在所提出的LSTM-Nudge方法中，我们融合了不完美的GROM和不确定状态估计的组合预测，稀疏欧拉传感器测量，在动态数据同化框架中提供更可靠的预测。我们说明了这个想法与粘性Burgers问题，作为一个基准测试床与二次非线性和拉普拉斯耗散。我们研究了测量噪声和状态估计不确定性对LSTM Nudge行为性能的影响。我们还表明，它可以充分处理不同水平的时间和空间测量稀疏。我们对所提出的模型进行评估的第一步表明，LSTM轻推可以代表新兴数字孪生系统中可行的实时预测工具。
2020-05-28 math.DS physics.comp-ph physics.flu-dyn
Generalized Lagrangian Heterogenous Multiscale Modeling of Complex Fluids
我们引入了一个完整的拉格朗日非均匀多尺度方法（LHMM）来模拟复杂的流体微观特征，可以扩展到大的时空尺度，如聚合物溶液和多相系统。所提出的方法离散的波动纳维-斯托克斯方程在一个基于粒子的设置使用光滑耗散粒子动力学（SDPD）。这种多尺度方法使用的微观信息推导出的飞行中提供的应力张量的动量平衡在宏观问题，因此绕过需要近似的本构关系的应力。我们利用固有的多尺度功能的SDPD占热波动的特征尺寸的离散化颗粒减少。我们验证LHMM使用不同的流动配置（反向Poiffille流，流通过一个圆柱体阵列，并围绕一个正方形空腔流动）和流体（牛顿和非牛顿）。我们展示了该框架在使用多相和聚合物系统的微观尺度上模拟复杂流体的灵活性。我们表明，应力被充分捕获，并通过从微观到宏观尺度，导致更丰富的流体响应在连续。在一般情况下，所提出的方法提供了一个自然的联系，在宏观尺度上的变化，而占微观尺度的记忆效应。
2022-11-21 cond-mat.mes-hall physics.comp-ph physics.flu-dyn
Surrogate Modeling of Fluid Dynamics with a Multigrid Inspired Neural Network Architecture
Institute of High Performance Computing（高性能计算研究所）
代数或几何多重网格方法通常用于数值求解器，因为它们是一种能够处理多尺度问题的多分辨率方法。在这项工作中，我们提出了一个修改常用的U-Net神经网络架构的灵感来自多重网格方法的原则，这里称为U-Net-MG。然后，我们证明，这种建议的U-Net-MG架构可以成功地减少测试预测误差相对于传统的U-Net架构时，建模一组流体动力学问题。总的来说，我们证明了改进的速度和压力场的预测的典型流体动力学的情况下，流过一个固定的圆柱体，流过2个圆柱体在异相运动，和流过一个振荡的翼型在推进和能量收集模式。一般来说，虽然U-Net和U-Net-MG模型都可以很好地模拟系统，测试RMSE小于1%，但使用U-Net-MG架构可以进一步减少RMSE 20%到70%。
2021-05-09 cs.LG physics.comp-ph physics.flu-dyn
Fluid-structure interaction modeling of blood flow in the pulmonary arteries using the unified continuum and variational multiscale formulation
在这项工作中，我们提出了一个计算流体-结构相互作用（FSI）的研究，健康的患者特定的肺动脉树使用统一的连续和变分多尺度（VMS）制定我们以前开发的。统一的框架是特别适合于FSI，流体和固体的子问题，基本上是以相同的方式解决，因此可以统一集成的广义- $α$方法的时间。此外，VMS公式化提供了一种用于流体子问题中的大涡模拟和固体子问题中的压力稳定的机制。流固耦合问题采用准直接法求解，首先求解统一连续体中的压力和速度，然后通过分离算法得到固体位移，并将其作为网格运动的边界条件。肺动脉FSI模拟的结果，并与刚性壁模拟的结果进行比较。
2020-02-04 cs.NA math.NA physics.comp-ph
Nonlinear evolution of the magnetized Kelvin-Helmholtz instability: from fluid to kinetic modeling
无碰撞等离子体的非线性演化是一个典型的多尺度过程，其中能量在大的流体尺度上注入，在小的动力学尺度上耗散。精确模拟全球演变需要考虑到主要的微观物理过程。这就是为什么不同的等离子体模型的比较是今天的当务之急，旨在了解等离子体中的跨尺度过程。我们在这里报告的磁化剪切流的演变的第一个比较研究，通过各种不同的等离子体模型，使用磁流体动力学，霍尔MHD，双流体，混合动力学和全动力学代码。动力学弛豫效应进行了讨论，强调动力学平衡的需要，研究非平凡配置中的无碰撞等离子体的动力学。在线性和非线性区域的磁化Kelvin-Helmholtz不稳定性的模型之间的离散性进行了研究，突出的小尺度过程的非线性演化的无碰撞等离子体的影响。我们说明了如何磁化剪切流的演变取决于流体涡度相对于磁场方向的相对取向时，考虑到动力学效应的线性演变。即使我们发现，小规模的过程不同的模型之间，我们表明，从小，动力学规模的反馈到大，流体规模的非线性制度是可重复的。这项研究表明，动力学建模验证了在大尺度上使用流体方法，这鼓励开发和使用流体代码来研究磁化流体流动的非线性演化，即使在无碰撞状态下。
2013-10-29 astro-ph.EP physics.comp-ph physics.plasm-ph
Assessments of epistemic uncertainty using Gaussian stochastic weight averaging for fluid-flow regression
Keio University（庆应义塾大学）；University of California, Los Angeles（加州大学洛杉矶分校）；Argonne National Laboratory（阿贡国家实验室）；KTH Royal Institute of Technology（瑞典皇家理工学院）
我们使用高斯随机加权平均（SWAG）来评估与流体流动相关的基于神经网络的函数近似相关的模型形式的不确定性。SWAG近似每个权重的后验高斯分布，给定训练数据和恒定的学习速率。通过访问该分布，它能够创建具有各种采样权重组合的多个模型，这些模型可用于获得总体预测。这种集合的平均值可以被视为“均值估计”，而其标准差可以用于构造“置信区间”，这使得我们能够对神经网络的训练过程进行不确定性量化（UQ）。我们利用具有代表性的基于神经网络的函数逼近任务，用于以下情况：（i）二维圆柱体尾迹;（ii）DayMET数据集（北美每日最高温度）;（iii）三维方形圆柱体尾迹;（iv）城市流量，以评估本思想在广泛的复杂数据集上的可推广性。基于SWAG的UQ可以应用于任何网络架构，因此，我们证明了该方法对两种类型神经网络的适用性：（i）通过结合卷积神经网络（CNN）和多层感知器（MLP）从稀疏传感器进行全局场重建;以及（ii）使用二维CNN从截面数据进行远场状态估计。我们发现，SWAG可以从模型形式的不确定性的角度获得物理解释的置信区间估计。这种能力支持其用于科学和工程中的广泛问题。
2022-07-14 cs.LG physics.comp-ph physics.data-an
