Stanford Üniversitesi araştırmacıları, karmaşık viskoelastik sıvıların türbülanslı jet simülasyonlarını dramatik şekilde hızlandıran yenilikçi bir hibrit model geliştirdi. Çalışma, hesaplamalı akışkanlar dinamiği alanında önemli bir atılım niteliği taşıyor.
Esnek polimerlerin Newtonyensi çözücülere eklenmesi, elde edilen çözeltiye oldukça karmaşık özellikler kazandırır. Bu ek karmaşıklık, sayısal simülasyonların hesaplama maliyetini önemli ölçüde artırarak genellikle maliyet açısından yapılmasını imkansız hale getirir. Araştırmacılar bu soruna çözüm olarak hibrit indirgenmiş-düzen modeller önerdi.
Geliştirilen model, modal ayrıştırma tekniklerini derin sinir ağlarıyla birleştiriyor. Sistem, proper ortogonal ayrıştırma (POD) kullanarak verinin kompakt bir temsilini elde ediyor ve düşük boyutlu uzayda mod katsayılarını tahmin etmek için bir sinir ağı eğitiliyor.
Test sonuçları, hibrit modelin viskoelastik jetin uzun vadeli davranışını etkili şekilde yakaladığını ortaya koydu. Küçük modeller, büyük ölçekli dinamikleri birden fazla adım önceden tahmin edebiliyor ve böylece daha büyük hızlanmalar sağlıyor. Öte yandan, daha küçük ölçekli yapıları öngörmek için daha büyük modeller gerekli oluyor.
Bu gelişme, polimer işleme, biyomedikal akışlar ve endüstriyel uygulamalar gibi alanlarda simülasyon sürelerinin önemli ölçüde kısaltılmasına olanak tanıyacak.