首页|基于U?Net的格子玻尔兹曼方法

基于U?Net的格子玻尔兹曼方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
格子玻尔兹曼方法(LBM)是一类广泛应用的介观尺度下的流体数值模拟方法.其缺陷在于,它对于计算资源的要求较高,一般情况下难以实现即时模拟.文章构造了一种新的基于U−Net的卷积神经网络(CNN,convolutional neural network)以对LBM进行加速,以一次卷积神经网络模型的运算代替原本需要进行多次的时间步迭代.对一系列层流绕柱流动的数值模拟进行试验,发现:该方法能够在保证计算精度较高的同时,相较于串行的LBM程序有约250倍加速,验证了该方法的有效性.
Lattice Boltzmann Method based on U-Net

聂滋森、陈辛阳、杨耿超、蒋子超、姚清河

展开 >

中山大学航空航天学院,广东广州510006

数据驱动模型 LBM 卷积神经网络 神经网络结构 代理模型

国家重点研发计划高性能计算专项国家自然科学基金广东省促进经济高质量发展专项广州市科技计划产学研协同创新重大专项

2018YFE91039002016YFB020060311972384GDOE[2019]A01201704030089

2022

10.13471/j.cnki.acta.snus.2020B085

中山大学学报(自然科学版)(中英文)
中山大学

中山大学学报(自然科学版)(中英文)

CSTPCDCSCD北大核心
影响因子：0.608
ISSN：0529-6579
年,卷(期)：2022.61(3)
  • 1
  • 17