Türbülans, akışkanlar mekaniğindeki en zor problemlerden biridir. Hava akımından okyanus dalgalarına, jet motorlarından iklim simülasyonlarına kadar sayısız uygulamada karşılaştığımız bu karmaşık fenomeni modellemek, bilim insanları için uzun süredir büyük bir meydan okuma oluşturuyor.
Geleneksel büyük girdap simülasyonları (LES), türbülansın büyük ölçekli yapılarını doğrudan çözerken, küçük ölçekli etkileri matematiksel modeller aracılığıyla tahmin etmeye çalışır. Ancak bu yaklaşımın iki temel sorunu vardır: ya çok yüksek hesaplama maliyeti gerektirir ya da kararsız sonuçlar üretir.
Yeni araştırmada geliştirilen yöntem, 'solver-aware' (çözücü farkında) derin öğrenme yaklaşımı kullanıyor. Bu teknik, yapay sinir ağlarını doğrudan simülasyon çözücüsü içinde eğiterek, hem hesaplama verimliliğini artırıyor hem de daha kararlı sonuçlar elde ediyor.
Araştırmacılar, 'nudged LES dynamics' adı verilen yenilikçi bir eğitim stratejisi geliştirdi. Bu yöntem, yüksek çözünürlüklü referans verilerle düşük çözünürlüklü simülasyonları 'yönlendirerek' yapay sinir ağının daha doğru türbülans kapanım modelleri öğrenmesini sağlıyor.
Bu gelişme, iklim modellemesi, havacılık mühendisliği ve enerji sektöründe daha hızlı ve güvenilir türbülans simülasyonlarının önünü açabilir. Özellikle rüzgar enerjisi ve hava tahmini gibi alanlarda önemli iyileştirmeler bekleniyor.