绕过直接数值模拟或实验，生成扩散模型用于湍流研究

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑 | 绿罗 了解湍流平流粒子的统计和几何特性是一个具有挑战性的问题，对于许多应用的建模、预测和控制至关重要。例如燃烧、工业混合、污染物扩散、量子流体、原行星盘吸积和云形成等。 尽管过去 30 年在理论、数值和实验方面做出了很多努力，但现有模型还不能很好地再现湍流中粒子轨迹所表现出的统计和拓扑特性。 近日，意大利罗马第二大学（University of Rome Tor Vergata）的研究人员， 提出了一种基于最先进的扩散模型的机器学习方法，可以在高雷诺数的三维湍流中生成单粒子轨迹，从而绕过直接数值模拟或实验来获得可靠的拉格朗日数据的需要。 令人惊讶的是，该模型对极端事件表现出很强的通用性，产生了更高强度和稀有性的事件，但仍然符合实际统计数据。这为生成 ………………………………