完全基于 GPU 的工作流程，用于构建高超音速流物理模拟器

arXiv:2606.13742v1 公告类型：新 摘要：以高保真度和低计算成本解决复杂物理现象的能力对于解决现代工程中的关键挑战至关重要。一个典型的例子是高超音速流，其中完整流场拓扑的精确预测，特别是关于冲击波位置和强度的预测至关重要。然而，超音速和高超音速流仍然是传统降阶模型和神经模拟器的绊脚石，这些模型和神经模拟器很难在工业相关应用中捕获具有物理一致性的流动状态的陡峭梯度。为此，我们引入了完全基于 GPU 的工作流程，该工作流程将加速数据生成与通过不确定性量化和物理感知细化增强的神经模拟器训练相结合。我们的工作流程由可微分的高保真解算器 (JAX-Fluids) 实现，我们使用它来快速创建数据集和基于残差的神经模拟器改进，以增强物理一致性。在此框架的基础上，我们首先提出一套模型架构并分析它们的扩展行为以揭示它们的优点和缺点。然后，我们表明，基于残差的细化可以在只有网格和输入参数可用的情况下进行训练，从而大大减少残差并提高物理一致性。可微分模拟和基于残差的细化共同产生的物理模拟器在其训练分布之外仍然可靠，这是在现实世界的工程设计循环中部署代理的关键要求。