范德堡大學研究人員開發了一種新技術，將機器學習與傳統流體模擬方法相結合，以提高計算流體動力學模型的準確性和效率。該技術將在2024年6月3日至5日在瑞士蘇黎世舉行的著名ACM PASC24會議上討論。

　　范德堡大學計算機科學副教授David Hyde將在會議上就論文“通過學習可壓縮流動來改進布辛尼斯克流動模擬。”發表演說，而該論文的第一作者是范德堡計算機科學二年級博士生Nurshat Mangnike。

　　該研究組表示，論文試圖解決的主要問題是模擬復雜的流體流動可能需要求解可壓縮歐拉方程 (compressible Euler equations)，因為這種計算成本很高。為了準確地模擬和預測復雜的流體運動，通常需要使用稱為可壓縮歐拉方程的數學方程。這些方程描述了流體的速度、壓力和密度如何隨時間和空間變化，并考慮了可壓縮性，即，流體在不同壓力條件下改變密度的能力的影響。求解這些方程在計算上非常復雜且耗時，為了緩解這一問題，他們使用訓練過的神經網絡來校正更高效的布辛尼斯克近似方程 (Boussinesq approximation) 的結果，該神經網絡能學習布辛尼斯克流動模擬和可壓縮流動模擬之間的差異。

　　Hyde說，“事實證明，這個神經網絡的推理時間可以忽略不計。所以，我們得到了兩全其美的結果：一個計算效率高且幾乎與傳統可壓縮流動求解器一樣準確的流體模擬算法。我們只在一小類問題上訓練了網絡并測試了我們的方法，但我們相信這種方法可以應用于各種流體模擬挑戰。”

　　Mangnike表示，能夠在會議上展示這篇論文是一種榮譽。“在如此受尊敬的論壇上展示我們的工作驗證了我們創新方法的有效性。這個榮譽不僅激勵我們繼續努力，也是一個與全球科學界分享我們見解的機會，促進進一步的研究和合作。”

　　PASC會議系列是一個國際性和跨學科的平臺，旨在交流科學計算和計算科學的知識，重點關注方法、工具、算法、工作流程、應用挑戰和高性能計算科學應用中的新技術。

　　Hyde將做此次演講，并獲得了ACM SIGHPC贊助的競爭性差旅獎。

　　以上是范德堡大學創新研究有效改善計算流體動力學模型的全部新聞，如果還想了解更多關于美國留學申請方面的相關知識的，歡迎隨時聯系v，Tops6868，托普仕出國留學專注世界高校申請，多年名校申請經驗助力你的留學申請