Jul, 2013

Enzo：天体物理学自适应网格细化代码

PDF
TL;DR本研究介绍了使用开源代码 Enzo 实现块状结构自适应网格细化，为建模天体物质流动提供高空间、时间分辨率的方法。它包括磁流体力学、N 体动力学、化学反应、辐射传输、宇宙学扩张和星际反馈等物理现象的建模，并演示了并行性能和代码开发方法。
adaptive mesh refinementastrophysical fluid flowsmagnetohydrodynamicsradiation transportcosmological context
发现论文，激发创造
  • 使用受限输运和自适应网格细化模拟磁流体力学流动；AstroBEAR 代码的算法和测试

    本文介绍了 AstroBEAR 自适应网格细化代码中实现的算法，用以解决理想磁流体力学问题，并演示了该代码通过与其他代码数值解的对比得到的正确性和健壮性。

    Oct, 2007

  • 物理增强的神经算子用于模拟湍流输运

    精确模拟湍流流动对于气候科学、淡水科学和能源高效制造等众多科学和工程领域具有巨大重要性。本文提出了一种物理增强型神经算子（PENO）的模型，通过将偏微分方程（PDEs）的物理知识纳入模型，准确建模流动动力学，进而通过自增机制来减少长期模拟中所积累的误差。该方法在两组不同的 3D 湍流流动数据上进行了评估，展示了该模型重构高分辨率的 DNS 数据、保持流动传输的固有物理特性，并能在不同分辨率下生成流动模拟。此外，针对多个由不同 PDEs 生成的 2D 涡度流序列的实验结果突出了所提出方法的可转移性和普适性，证实了其在多种需要进行大量模拟的真实场景下的适用性。

    May, 2024

  • 宇宙学模拟代码 GADGET-2

    GADGET-2 是一种新的、高度并行 TreeSPH 代码，可通过 N-body 方法跟踪无碰撞流体和通过 SPH 方法消除的理想气体。

    May, 2005

  • 自适应网格不连续有限元高阶磁流体力学模拟天体物理学

    本文介绍和测试了一个基于 Legendre 多项式内的 Discontinuous Galerkin 方法的 DG-MHD 方案，用于 AREPO-DG 代码中的理想磁流体力学。该方案可以实现高阶、低数字扩散并准确捕获 MHD 冲击波，是一种适用于可扩展的天体物理模拟的有吸引力的性质的方法

    Jun, 2018

  • MeshfreeFlowNet：一种物理约束的深度连续空时超分辨率框架

    提出了一种基于深度学习的新型超分辨率框架 MeshfreeFlowNet，它可以在低分辨率下生成连续（无网格）的时空解，并可以采样真实的时空分辨率，以及在其完全卷积编码器的支持下对任意大小的时空域进行固定输入的训练，MeshfreeFlowNet 在 Rayleigh-Benard 对流问题中的湍流流动超分辨率任务上表现出众，并且可以高效地扩展到大型集群上，最高可在 128 个 GPU 上达到 96.80％的扩展效率，训练时间不到 4 分钟。

    May, 2020

  • 使用神经算子模拟星际介质化学

    星系的形成和演化取决于对控制星际介质（ISM）演化和热力学的复杂光化学过程的理解。在宇宙学和天体物理模拟中，解决化学问题是最繁重的任务之一。本研究通过采用基于神经算子的快速预训练模拟器，模拟了非平衡化学网络直到 H$_2$ 的形成，并取得了较高的精度、高效率的能力，从而在 ISM 化学模型的建模方面取得了重大进展。

    Feb, 2024

  • 基于几何信息的大规模三维偏微分方程神经算子

    我们提出了几何信息神经算子（GINO），一种高效的方法，用于学习具有不同几何形态的大规模偏微分方程的解算器。该算子基于图和傅里叶结构，使用输入形状的有符号距离函数和点云表示来学习解算器。用于验证 GINO 方法在大规模模拟上的性能，我们生成了 3D 车辆几何形态的工业标准空气动力学数据集，雷诺数高达五百万。在这个大规模 3D 流体模拟中，传统数值方法计算表面压力的成本很高。我们成功地训练 GINO 仅使用五百个数据点来预测车身表面的压力。在成本 - 准确性实验中，与优化后的基于 GPU 的计算流体动力学（CFD）模拟器相比，GINO 的计算阻力系数速度提高了 26000 倍。在测试新的几何形态和边界条件（入口速度）组合时，GINO 相对于深度神经网络方法的误差率降低了四分之一。

    Sep, 2023

  • GRHydro：Einstein Toolkit 的新开源广义相对论磁流体动力学代码

    本研究介绍 Einstein Toolkit，一个开源的计算相对论天体物理代码的新通用相对论磁流体动力学（GRMHD）扩展，其实现了在完全动态时空中理想 MHD 极限下相对论磁化流体的演化，并且使用先前应用于流体动力学演化的相同震荡捕获技术来处理。代码实现超级爆发分离和约束传输方案以维护磁场的无散性。通过在平直和曲面时空下的一些 MHD 测试以及在具有球形引力黑洞的曲面时空下吸积和恒星坍缩的演化，证明了本扩展的高效性和可行性。

    Apr, 2013

  • 相对论天体物理学的社区计算基础设施：爱因斯坦工具包

    本文介绍了 Einstein Toolkit，一个社区驱动的，在数值相对论、相对论天体物理学等领域中使用的计算基础设施，该工具包结合了模拟星体（如黑洞、紧凑物体和崩塌恒星）所需的核心组件和完整的分析工具，同时实现了 BSSN 演化系统及其它数值技术的功能。

    Nov, 2011

  • 自适应分区的深度学习方法

    本研究提出一种监督深度学习适应性分区方法，用于建模可压介质中 1D 激波的传播，它能够准确地捕捉域内的激波，生成适应性非均匀网格，可在降低计算时间的同时保证计算时空间离散化的准确性。

    Dec, 2022