基于强化学习（RL）的后验方法，我们提出了一种新颖的方法来开发与离散化一致的闭合方案，并将其应用于隐式滤波的大涡模拟（LES），其中诱导滤波核和闭合项根据网格和离散化算子的性质确定。优化的闭合模型实现了准确且一致的结果，甚至比经典最先进的模型在不同离散化和分辨率上表现更好。
该研究使用可微分湍流解算器和深度学习架构，学习了二维湍流流动的亚网尺度模型，并发现小尺度非局部特征对于亚网尺度建模至关重要。该模型可应用于多种不同流动配置，且比离线的先验学习更加成功。深度学习的混合解算器循环方法提供了理想的平衡。
