
Wir entwickeln ein differenzierbares Turbulenzmodell, das auf tiefen neuronalen Netzen basiert, um die Genauigkeit von Subgrid-Skalen-Turbulenzmodellen für Grobstruktursimulationen zu verbessern. Unser Ansatz ermöglicht es, die Modellparameter durch ein End-zu-End-Training zu optimieren, um eine hocheffektive und vielseitige Modellierung der Subgrid-Skalen-Spannungen zu erreichen.


coremsg

differenzierbare-turbulenz-schließung-als-pde-beschränktes-optimierungsproblem


Differenzierbare Turbulenz: Schließung als PDE-beschränktes Optimierungsproblem


title_rewrite


Gängige Algorithmen zur Entdeckung von Subgitter-Skalen-Schließungen für Impuls- und Wärmeflüsse führen zu analytisch herleisbaren nichtlinearen Gradientenmodellen (NGM), die jedoch in Online-Simulationen zu Instabilitäten führen können, da sie die wichtigen Energietransfers zwischen den Skalen nicht vollständig erfassen.


entdeckung-interpretierbarer-geschlossener-gleichungen-für-subgitter-skalen-schließungen-aus-hochauflösenden-daten-versprechen-und-herausforderungen


Entdeckung interpretierbarer geschlossener Gleichungen für Subgitter-Skalen-Schließungen aus hochauflösenden Daten: Versprechen und Herausforderungen
