研究人員將流體力學(xué)與人工智能結(jié)合,使湍流建模自動化

蘇黎世ETH的研究人員首次通過將流體力學(xué)與人工智能相結(jié)合，成功地使湍流建模自動化。他們的項目依賴于在CSCSS超級計算機Piz Daint上通過湍流模擬進行擴增強化學(xué)習(xí)算法。

湍流建模和模擬對于設(shè)計汽車和心臟瓣膜、預(yù)測天氣，甚至追溯星系的誕生至關(guān)重要。希臘數(shù)學(xué)家、物理學(xué)家和工程師阿基米德大約在2000年前就忙于流體力學(xué)，而到今天，流體流動的復(fù)雜性還沒有完全被理解。物理學(xué)家理查德費曼將湍流算作古典物理學(xué)中最重要的未解決的問題之一，它仍然是工程師、科學(xué)家和數(shù)學(xué)家們的活躍話題。工程師在制造飛機或假肢心臟瓣時必須考慮湍流的影響。氣象學(xué)家在預(yù)測天氣時需要解釋他們，天體物理學(xué)家在模擬星系時也需要解釋它們。因此，來自這些社區(qū)的研究人員已經(jīng)建模湍流和進行流量模擬超過60年。

湍流的特點是流結(jié)構(gòu)跨越廣泛的空間和時間尺度。模擬這些復(fù)雜流結(jié)構(gòu)的方法有兩種：一種是直接數(shù)值模擬 （DNS），另一種是大渦流模擬 （LES）。

流量模擬測試超級計算機的極限

DNS 解決了 Navier-Stokes 方程，這些方程是流描述的核心，其分辨率為數(shù)十億，有時甚至是數(shù)萬億個網(wǎng)格點。DNS 是計算流行為的最準(zhǔn)確方法，但不幸的是，它對于大多數(shù)實際應(yīng)用程序來說并不實用。為了捕獲這些湍流的詳細信息，它們需要的網(wǎng)格點遠遠大于任何計算機在可預(yù)見的將來可以處理的網(wǎng)格點。

因此，研究人員在模擬中使用模型，這樣他們就不必計算每個細節(jié)來保持準(zhǔn)確性。在 LES 方法中，解決了大流量結(jié)構(gòu)，所謂的湍流閉合模型占到更精細的流量和它們與大尺度的相互作用。但是，正確選擇閉合模型對結(jié)果的準(zhǔn)確性至關(guān)重要。

用于建模的多代理增強學(xué)習(xí) （MARL） 的示意圖。代理（以紅色多維數(shù)據(jù)集標(biāo)記）執(zhí)行控制策略，以最大限度地提高模擬之間的相似性。來源： CSElab/ETH 蘇黎世）

而不是藝術(shù)而不是科學(xué)

蘇黎世ETH計算科學(xué)與工程實驗室教授Petros Koumoutsakos表示：“過去60年來，湍流閉合模型的建模在很大程度上遵循了經(jīng)驗過程，而且更多的是一門藝術(shù)，而不是一門科學(xué)。庫穆薩茨科斯，他的博士生吉多諾瓦蒂和前碩士生（現(xiàn)在蘇黎世大學(xué)博士生）胡格斯拉斯科姆斯德拉魯西爾赫提出了一個新的策略，使這個過程自動化：使用人工智能（AI）從DNS學(xué)習(xí)最好的湍流關(guān)閉模型，并將其應(yīng)用于LES。他們最近發(fā)表在《自然機器智能》雜志上。

具體來說，研究人員開發(fā)了新的強化學(xué)習(xí)（RL）算法，并結(jié)合物理洞察力來模擬湍流。”25 年前，我們率先將人工智能和湍流連接，“庫穆薩科斯說。但當(dāng)時，計算機的威力不足以測試許多想法。ETH教授說：”最近，我們也意識到流行的神經(jīng)網(wǎng)絡(luò)并不適合解決此類問題，因為該模型會積極影響它旨在補充的流。因此，研究人員不得不采用一種不同的學(xué)習(xí)方法，其中算法學(xué)會對湍流場中的模式做出反應(yīng)。

自動建模

Novati 和 Koumoutsako 的新穎 RL 算法背后的理念是使用將流場解析為 AI 代理的網(wǎng)格點。代理通過觀察數(shù)千個流量模擬來學(xué)習(xí)湍流閉合模型。庫穆薩科斯強調(diào)，“為了進行如此大規(guī)模的模擬，必須使用CSCSS超級計算機”Piz Daint‘“。培訓(xùn)結(jié)束后，代理可以自由操作，模擬他們以前未接受過培訓(xùn)的流程。

系統(tǒng)通過”玩“流來傾斜湍流模型。庫穆薩科斯說：”當(dāng)機器成功將LES與DNS結(jié)果匹配時，它’獲勝‘，就像機器學(xué)習(xí)下棋或圍棋一樣。在 LES 期間，AI 僅通過觀察已解決大比例的動態(tài)來執(zhí)行未解決比例的操作。據(jù)研究人員稱，新方法不僅優(yōu)于成熟的建模方法，而且可以在網(wǎng)格大小和流條件下進行推廣。

該方法的關(guān)鍵部分是由 Novati 開發(fā)的新算法，該算法可識別以前的哪些模擬與每個流狀態(tài)相關(guān)。研究人員稱，所謂的“記憶和忘記體驗重放”算法在流體力學(xué)以外的多個基準(zhǔn)問題上優(yōu)于絕大多數(shù)現(xiàn)有的RL算法。 該團隊認為，他們新開發(fā)的方法不僅在汽車建造和天氣預(yù)報方面非常重要?！皩τ?a href="http://www.ttokpm.com/v/" target="_blank">科技領(lǐng)域最具挑戰(zhàn)性的問題，我們只能解決’大尺度‘和’精細‘問題模型，”庫穆薩科斯說?！靶麻_發(fā)的方法提供了一種新的、強大的方法，通過明智地使用 AI 實現(xiàn)多尺度建模自動化和推進科學(xué)。
責(zé)任編輯：YYX