An evaluation of noise reduction algorithms for particle-based fluid simulations in multi-scale applications

فیلتر کردن داده های شبیه سازی مبتنی بر ذرات می تواند منجر به کاهش هزینه های محاسباتی شود و انتقال اطلاعات به طور موثرتری را در مدل سازی چند بعدی انجام دهد. در این مقاله اثربخشی روش های مختلف پردازش سیگنال برای کاهش نویز عددی و ساختارهای سیستم های نانو جریان مقایسه می شود. علاوه بر این، یک ترکیب جدید از این الگوریتم ها معرفی شده است، که نشان دهنده پتانسیل استراتژی های هیبریدی برای بهبود عملکرد تخمین زنی برای اندازه گیری های وابسته به زمان است. این روش ها در زمینه های سرعت و چگالی آزمایش شده است که از شبیه سازی های انجام شده با دینامیک مولکولی و دینامیک ذرات پراکنده به دست آمده است. مقایسه بین الگوریتم ها از لحاظ عملکرد، کیفیت نتایج و حساسیت به انتخاب پارامترهای ورودی داده می شود. نتایج بدست آمده از بینش های مفیدی در مورد راهبردهای تجزیه و تحلیل داده های مبتنی بر ذرات و کاهش هزینه های محاسباتی در دستیابی به راه حل های گروهی ارائه شده است.