Para peneliti menyajikan kerangka kerja pembelajaran mesin yang dibatasi oleh fisika yang menggantikan evaluasi langsung istilah sumber kimia terperinci dengan model pengganti untuk mempercepat simulasi numerik langsung (DNS) dari aliran reaksi turbulen. Pendekatan ini menggabungkan hukum kedua termodinamika sebagai batasan pelatihan dengan memaksakan generasi entropi non-negatif, yang membatasi evolusi keadaan termokimia ke arah yang secara fisik dapat diterima dan meningkatkan stabilitas selama integrasi waktu.
- Ditunjukkan pada DNS nyala metana-udara premix rata dua dimensi yang berinteraksi dengan medan aliran turbulen.
- Mereproduksi hasil kimia terperinci dengan kesetiaan tinggi sambil mencapai pengurangan biaya komputasi lebih dari satu orde magnitudo.
- Memanfaatkan strategi augmentasi data sintetis berbasis residual untuk membangun data pelatihan baru dari dataset asli.
- Memungkinkan simulasi akurat pada kondisi inlet baru tanpa memerlukan menjalankan CFD kimia terperinci tambahan.
Para penulis menganggap ini signifikan karena pembelajaran mesin yang dibatasi secara termodinamika menyediakan pengganti yang andal dan efisien secara komputasional untuk kimia terperinci dalam simulasi pembakaran berkesetiaan tinggi.