Jan, 2024
从数据中学习基于物理的 Hasegawa-Wakatani 方程的简化模型
Learning physics-based reduced models from data for the Hasegawa-Wakatani equations
Constatin Gahr, Ionut-Gabriel Farcas, Frank Jenko
TL;DR本文研究了非侵入式科学机器学习（SciML）约简模型（ROMs）在非线性、混沌等离子体湍流模拟中的构建。具体而言，我们提出使用算子推断（OpInf）从数据构建基于物理学的低成本 ROMs 来模拟该类模拟。通过对平面静电漂波等离子体湍流的 Hasegawa-Wakatani（HW）方程进行代表性示例，我们考虑了 Ledig 等的研究工作以构建准确的基于 OpInf 的 ROMs 潜力的全面认识。我们通过直接数值模拟和 OpInf ROMs 进行了两组实验，结果表明 OpInf ROMs 捕捉到了湍流动力学的重要特征，并推广到新的未见的初始条件，同时在单核性能方面将高准确度模型的计算时间缩短了五个数量级。在聚变研究的更广泛背景下，这表明非侵入式的 SciML ROMs 有潜力大大加速数值研究，最终可以实现优化聚变设备的设计和实时控制等任务。