Core Concepts
本研究では、アレアトリック(偶然的)なモデル誤差を考慮した、データ駆動型のRANS閉鎖モデルを提案する。このモデルは、既存の非線形渦粘性モデルに基づく確率的な誤差項を組み合わせたものである。これにより、モデル誤差の定量化と予測への伝播が可能となる。
Abstract
本研究では、確率論的で、データ駆動型のRANSシミュレーションのための閉鎖モデルを提案している。このモデルは以下の特徴を持つ:
既存の非線形渦粘性モデル(NLEVM)に基づく確率的な誤差項を導入することで、アレアトリック(偶然的)なモデル誤差を考慮している。これにより、モデル誤差の定量化と予測への伝播が可能となる。
差分アジョイントを用いた微分可能なRANSソルバーを活用し、モデル一致型の学習を行う。これにより、間接的な観測データ(平均速度、圧力)を用いた学習が可能となる。
スパース誘導型の事前分布を導入することで、パラメトリックモデルが不十分な領域を特定し、そこにのみ確率的な誤差項を導入する。
完全ベイズ的な定式化を採用し、エピステミック(認識論的)な不確実性とアレアトリック(偶然的)な不確実性を区別して扱う。
確率的な予測推定を行い、速度、圧力といった量の不確実性を定量化する。
提案手法は、後向き段差問題のベンチマークケースで検証され、線形渦粘性モデルに比べて優れた精度と不確実性の定量化が示された。
Stats
乱流は流体力学の様々な応用分野で重要であり、長年にわたり科学者や芸術家の興味を引いてきた。
直接数値シミュレーション(DNS)は最も正確な数値解法だが、計算コストが非常に高い。
レイノルズ平均ナビエ・ストークス(RANS)モデルは計算効率が高いが、閉鎖モデルの精度に依存する。
データ駆動型のRANS閉鎖モデルは近年注目を集めているが、モデル誤差の定量化が課題となっている。
Quotes
"我々は、アレアトリック(偶然的)なモデル誤差を考慮した、データ駆動型のRANS閉鎖モデルを提案する。"
"提案モデルは、既存の非線形渦粘性モデル(NLEVM)に基づく確率的な誤差項を導入することで、モデル誤差の定量化と予測への伝播を可能にする。"
"スパース誘導型の事前分布を導入することで、パラメトリックモデルが不十分な領域を特定し、そこにのみ確率的な誤差項を導入する。"