論文の概要: High-Fidelity Simulation and Novel Data Analysis of the Bubble Creation
and Sound Generation Processes in Breaking Waves
- arxiv url: http://arxiv.org/abs/2211.03024v1
- Date: Sun, 6 Nov 2022 04:29:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 18:24:06.981019
- Title: High-Fidelity Simulation and Novel Data Analysis of the Bubble Creation
and Sound Generation Processes in Breaking Waves
- Title(参考訳): 砕波中の気泡生成と音発生過程の高忠実度シミュレーションと新しいデータ解析
- Authors: Qiang Gao, Grant B. Deane, Saswata Basak, Umberto Bitencourt, Lian
Shen
- Abstract要約: 進行の顕著な領域は、波の破れに起因する乱流、二相流の計算である。
従来の研究で, 破れ波シミュレーションにおける気泡の追跡と, その動的挙動を時間とともに解釈する新しいアルゴリズムを開発した。
また, 砕波堤内の気泡発生を駆動する新しい物理機構を発見し, 気泡挙動と水中音の発生を関連づけるモデルを開発した。
- 参考スコア(独自算出の注目度): 4.290841102361447
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent increases in computing power have enabled the numerical simulation of
many complex flow problems that are of practical and strategic interest for
naval applications. A noticeable area of advancement is the computation of
turbulent, two-phase flows resulting from wave breaking and other multiphase
flow processes such as cavitation that can generate underwater sound and
entrain bubbles in ship wakes, among other effects. Although advanced flow
solvers are sophisticated and are capable of simulating high Reynolds number
flows on large numbers of grid points, challenges in data analysis remain.
Specifically, there is a critical need to transform highly resolved flow fields
described on fine grids at discrete time steps into physically resolved
features for which the flow dynamics can be understood and utilized in naval
applications. This paper presents our recent efforts in this field. In previous
works, we developed a novel algorithm to track bubbles in breaking wave
simulations and to interpret their dynamical behavior over time (Gao et al.,
2021a). We also discovered a new physical mechanism driving bubble production
within breaking wave crests (Gao et al., 2021b) and developed a model to relate
bubble behaviors to underwater sound generation (Gao et al., 2021c). In this
work, we applied our bubble tracking algorithm to the breaking waves
simulations and investigated the bubble trajectories, bubble creation
mechanisms, and bubble acoustics based on our previous works.
- Abstract(参考訳): 近年の計算能力の増大により、海軍で実用的かつ戦略的に重要な複雑な流れ問題の数値シミュレーションが可能となった。
特筆すべき進展領域は、波の破断による乱流二相流の計算や、水中音を発生させるキャビテーションのような他の多相流の計算、船舶後流中の気泡のエントレインなどである。
高度なフローソルバは洗練されており、大量のグリッドポイント上の高レイノルズ数フローをシミュレートすることができるが、データ分析における課題は残る。
具体的には、離散時間ステップで細粒度グリッド上に記述された高度に解決された流れ場を、海軍の用途で流れのダイナミクスを理解・活用できる物理的に解決された特徴に変換する必要がある。
本稿では,この分野における最近の取り組みについて述べる。
前報では,破波シミュレーションにおいて気泡を追跡し,その動的挙動を時間とともに解釈する新しいアルゴリズムを開発した(gao et al., 2021a)。
また,破波堤内の気泡発生を駆動する新しい物理機構(gao et al., 2021b)を発見し,水中音発生と気泡挙動を関連付けるモデル(gao et al., 2021c)を開発した。
本研究では, 気泡追跡アルゴリズムを破砕波シミュレーションに適用し, 気泡の軌跡, 気泡生成機構, 気泡の音響特性について検討した。
関連論文リスト
- EuLagNet: Eulerian Fluid Prediction with Lagrangian Dynamics [71.21948217845167]
本稿では, タングルサム流体力学に対処する新しいラグランジアン誘導パラダイムを提案する。
ユーレリア観測に基づいて未来を予測するのではなく、ユーレリア・ラグランジアンデュアルリカレントネットワーク(EuLagNet)を提案する。
EuLagNetは、適応サンプリングされたキー粒子の複数のスケールでの運動を追跡することで、マルチスケールの流体力学をキャプチャする。
論文 参考訳(メタデータ) (2024-02-04T09:45:35Z) - Neural Multigrid Memory For Computational Fluid Dynamics [13.36209460135302]
本稿では, 乱流シミュレーションのためのデータ駆動手法を提案する。
本稿では,ビデオ予測変換器(VPTR)とマルチグリッドアーキテクチャの長所を組み合わせた手法を提案する。
その結果,計算効率を保ちながら,他のベースラインよりも精度が高いことがわかった。
論文 参考訳(メタデータ) (2023-06-21T20:19:57Z) - Variational waveguide QED simulators [58.720142291102135]
導波管QEDシミュレータは1次元フォトニックバンドギャップ材料と相互作用する量子エミッタによって構成される。
ここでは、これらの相互作用がより効率的な変分量子アルゴリズムを開発するためのリソースとなることを実証する。
論文 参考訳(メタデータ) (2023-02-03T18:55:08Z) - Learning Large-scale Subsurface Simulations with a Hybrid Graph Network
Simulator [57.57321628587564]
本研究では3次元地下流体の貯留層シミュレーションを学習するためのハイブリッドグラフネットワークシミュレータ (HGNS) を提案する。
HGNSは、流体の進化をモデル化する地下グラフニューラルネットワーク(SGNN)と、圧力の進化をモデル化する3D-U-Netで構成されている。
産業標準地下フローデータセット(SPE-10)と1100万セルを用いて,HGNSが標準地下シミュレータの18倍の推算時間を短縮できることを実証した。
論文 参考訳(メタデータ) (2022-06-15T17:29:57Z) - Towards Fast Simulation of Environmental Fluid Mechanics with
Multi-Scale Graph Neural Networks [0.0]
我々は、非定常連続体力学を推論するための新しいマルチスケールグラフニューラルネットワークモデルであるMultiScaleGNNを紹介する。
本手法は, 海洋および大気プロセスの基本的な現象である, 対流問題と非圧縮性流体力学について実証する。
MultiScaleGNNで得られたシミュレーションは、トレーニングされたシミュレーションよりも2~4桁高速である。
論文 参考訳(メタデータ) (2022-05-05T13:33:03Z) - Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。
能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。
その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
論文 参考訳(メタデータ) (2021-06-05T01:31:51Z) - Inferring micro-bubble dynamics with physics-informed deep learning [0.0]
多相流シミュレーションは、計算中にスパースメッシュによって引き起こされる可能性のあるコンポーネント損失のために高い精度を必要とします。
深層ニューラルネットワーク(DNN)とサブネットの3つの主要部分を含む,異なる物理分野を予測する新しいディープラーニングフレームワークであるBubbleNetを提案する。
結果は, 絶対予測誤差を推定することで, 物理分野をより正確に予測できることを示す。
論文 参考訳(メタデータ) (2021-05-15T09:17:56Z) - Designing Air Flow with Surrogate-assisted Phenotypic Niching [117.44028458220427]
品質多様性アルゴリズムであるサロゲート支援表現型ニッチを導入する。
計算に高価な表現型特徴を用いることで、大規模で多様な行動群を発見することができる。
本研究では,2次元流体力学最適化問題における気流の種類を明らかにする。
論文 参考訳(メタデータ) (2021-05-10T10:45:28Z) - Machine learning accelerated computational fluid dynamics [9.077691121640333]
二次元乱流のモデリングにエンド・ツー・エンド・ディープ・ラーニングを用いて計算流体力学の近似を改良する。
乱流の直接数値シミュレーションと大規模渦シミュレーションでは,各空間次元の8~10倍の微細分解能を持つベースラインソルバと同程度に精度が高い。
提案手法は,機械学習とハードウェアアクセラレータを応用して,精度や一般化を犠牲にすることなくシミュレーションを改善する方法を示す。
論文 参考訳(メタデータ) (2021-01-28T19:10:00Z) - Machine learning for rapid discovery of laminar flow channel wall
modifications that enhance heat transfer [56.34005280792013]
任意の, 平坦な, 非平坦なチャネルの正確な数値シミュレーションと, ドラッグ係数とスタントン数を予測する機械学習モデルを組み合わせる。
畳み込みニューラルネットワーク(CNN)は,数値シミュレーションのわずかな時間で,目標特性を正確に予測できることを示す。
論文 参考訳(メタデータ) (2021-01-19T16:14:02Z) - Simulating hydrodynamics on noisy intermediate-scale quantum devices
with random circuits [0.0]
ランダム回路は、量子多体系をシミュレートするために、テーラーメイドのビルディングブロックを提供する。
具体的には、乱数回路とトロッタ化ハミルトン時間進化からなるアルゴリズムを提案する。
1次元および2次元量子スピン系における相関関数の蓄積をシミュレートしてアルゴリズムを数値的に示す。
論文 参考訳(メタデータ) (2020-12-04T19:00:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。