サブグリッドスケール項の機械学習モデリング

Machine learning models for sub-grid-scale (SGS) term

朝比 祐一   ; 前山 伸也*; 藤井 恵介*

Asahi, Yuichi; Maeyama, Shinya*; Fujii, Keisuke*

本研究では、小スケールに駆動源が存在する系におけるサブグリッドスケール(SGS)モデルをデータ駆動型のアプローチによって構築した。SGSモデルは、Mori-Zwanzigの射影演算子法とニューラルネットワークに基づく手法で構築した。小スケールに駆動源が存在するKuramoto-Sivashinsky乱流について、開発したSGSモデルを利用したLarge Eddy Simulation (LES)を行い乱流スペクトルを比較したところ、大スケールにおいてどちらのモデルもスペクトルがDNSと一致することを確認した。

We have developed a deep-learning model to surrogate the effect of small-scale on large-scale fluctuations. We have constructed the sub-grid-scale (SGS) models based on the Mori-Zwanzig projection operatormethod and neural networks. We have performed large eddy simulations (LESs) of the Kuramoto-Sivashinsky turbulence with these SGS models. We have demonstrated that the time averaged energy spectrumof LESs agree with that of the dynamic numerical simulation (DNS).