کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6928934 | 1449350 | 2018 | 12 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Active learning of constitutive relation from mesoscopic dynamics for macroscopic modeling of non-Newtonian flows
ترجمه فارسی عنوان
یادگیری فعالانه از رابطه سازنده از پویایی مسی کوزی برای مدل سازی ماکروسکوپی جریان های غیر نیوتنی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
مدل سازی چند بعدی، موضوع نرم، پلیمر رگرسیون فرآیند گاوسی، فراگیری ماشین،
ترجمه چکیده
یک پارادایم جدید در استفاده از روش های یادگیری ماشین برای مدل سازی چند منظوره مایعات غیر نیوتنی با استفاده از یک اتصال مستقیم پرواز شناسی به ریز ساختار پایه، که در آن یک مدل پیوسته مایع از مایعات پلیمری بدون یک پیش سازه ساخته شده است، رابطه سازنده مشخص شده است، اما به جای آن به طور فعال از شبیه سازی های مسی کوزی که در آن پویایی زنجیره های پلیمری به صراحت محاسبه می شود، یاد گرفته شد. حل کننده پیوسته زمینه جریان گذرا را به عنوان ورودی برای شبیه ساز مزوسکوپی فراهم می کند و به نوبه خود، پویایی های مزوسکوپی، یک رابطه سازنده موثر را برای بستن معادلات پیوسته باز می کند. طرح یادگیری فعال توسعه داده شده است تا به طور سازگارانه شبیه سازی های مری اسکوپیک را فقط به عنوان ضروری برای نقاط آموزش جدید بسازیم، به طوری که فقط برای اجرای چندین گره نیاز به ساختن یک بستر موثر موثر برای حل کننده ماکروسکوپی لازم است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
A new paradigm in using machine learning methods for multiscale modeling of non-Newtonian fluids by means of an on-the-fly coupling of the bulk rheology to the underlying microstructure dynamics, where a macroscopic continuum model of polymeric fluids is constructed without a pre-specified constitutive relation, but instead it is actively learned from mesoscopic simulations where the dynamics of polymer chains is explicitly computed. The continuum solver provides the transient flow field as inputs for the mesoscopic simulator, and in turn mesoscopic dynamics returns an effective constitutive relation to close the continuum equations. Active learning scheme is developed to adaptively initiate mesoscopic simulations only as necessary for new training points, so that only a few expensive runs are required to construct an effective constitutive closure for the macroscopic solver.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Computational Physics - Volume 363, 15 June 2018, Pages 116-127
Journal: Journal of Computational Physics - Volume 363, 15 June 2018, Pages 116-127
نویسندگان
Lifei Zhao, Zhen Li, Bruce Caswell, Jie Ouyang, George Em Karniadakis,