范德堡大学创新研究有效改善计算流体动力学模型

　　范德堡大学研究人员开发了一种新技术，将机器学习与传统流体模拟方法相结合，以提高计算流体动力学模型的准确性和效率。该技术将在2024年6月3日至5日在瑞士苏黎世举行的著名ACM PASC24会议上讨论。

　　范德堡大学计算机科学副教授David Hyde将在会议上就论文“通过学习可压缩流动来改进布辛尼斯克流动模拟。”发表演说，而该论文的第一作者是范德堡计算机科学二年级博士生Nurshat Mangnike。

　　该研究组表示，论文试图解决的主要问题是模拟复杂的流体流动可能需要求解可压缩欧拉方程 (compressible Euler equations)，因为这种计算成本很高。为了准确地模拟和预测复杂的流体运动，通常需要使用称为可压缩欧拉方程的数学方程。这些方程描述了流体的速度、压力和密度如何随时间和空间变化，并考虑了可压缩性，即，流体在不同压力条件下改变密度的能力的影响。求解这些方程在计算上非常复杂且耗时，为了缓解这一问题，他们使用训练过的神经网络来校正更高效的布辛尼斯克近似方程 (Boussinesq approximation) 的结果，该神经网络能学习布辛尼斯克流动模拟和可压缩流动模拟之间的差异。

　　Hyde说，“事实证明，这个神经网络的推理时间可以忽略不计。所以，我们得到了两全其美的结果：一个计算效率高且几乎与传统可压缩流动求解器一样准确的流体模拟算法。我们只在一小类问题上训练了网络并测试了我们的方法，但我们相信这种方法可以应用于各种流体模拟挑战。”

　　Mangnike表示，能够在会议上展示这篇论文是一种荣誉。“在如此受尊敬的论坛上展示我们的工作验证了我们创新方法的有效性。这个荣誉不仅激励我们继续努力，也是一个与全球科学界分享我们见解的机会，促进进一步的研究和合作。”

　　PASC会议系列是一个国际性和跨学科的平台，旨在交流科学计算和计算科学的知识，重点关注方法、工具、算法、工作流程、应用挑战和高性能计算科学应用中的新技术。

　　Hyde将做此次演讲，并获得了ACM SIGHPC赞助的竞争性差旅奖。

　　以上是范德堡大学创新研究有效改善计算流体动力学模型的全部新闻，如果还想了解更多关于美国留学申请方面的相关知识的，欢迎随时联系v，Tops6868，托普仕出国留学专注世界高校申请，多年名校申请经验助力你的留学申请