BriefGPT - AI 论文速递
·
利用 OpenFOAM 嵌入式深度学习框架减少粗网格 CFD 模拟的空间离散误差
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
该研究提出了一种利用深度学习模型减小粗网格计算流体力学问题空间离散化误差的方法。通过替换对流项的差分方案，将速度插值到面值，以近似细网格数据的速度。该模型应用于方形柱问题的流动中，将误差减小到传统求解器的约50%。
🎯
关键要点
-
该研究提出了一种利用深度学习模型减小粗网格CFD问题空间离散化误差的方法。
-
通过替换对流项的差分方案，将速度插值到面值，以近似细网格数据的速度。
-
深度学习框架集成了开源CFD代码OpenFOAM，形成了一个端到端可微化的模型。
-
使用离散伴随代码版本自动微分CFD物理学。
-
提出了一种加速训练过程的TensorFlow和OpenFOAM之间的快速通信方法。
-
该模型应用于方形柱问题的流动中，将误差减小到传统求解器的约50%。
-
在x和y速度分量上，网格粗糙度为8倍。
-
架构利用了物理学的局部特征，为中期模拟生成稳定的预测。
➡️
