Una aplicación está utilizando redes neuronales artificiales (ANN) para reemplazar la integración directa del sistema rígido de ODE en el modelado de combustión.
Tanto en el modelado de combustión general como en el flujo reactivo cfd (flujos turbulentos en particular), uno de los pasos más largos es evolucionar el estado químico del sistema. El enfoque estándar es formular un sistema de EDO rígidas no lineales para describir cómo evoluciona el sistema. El uso de integradores ODE rígidos para resolverlos numéricamente (conocido como integración directa) funciona bien en muchas situaciones, pero puede ser muy costoso desde el punto de vista computacional con química compleja o geometrías grandes / complejas.
Hay muchos enfoques que evitan integrar directamente las ecuaciones. Usar ANN como se mencionó anteriormente es uno de ellos. Hay varias variaciones del enfoque, pero esencialmente solo se ve la evaluación del sistema de EDO como una función altamente no lineal de la evolución de las concentraciones de especies químicas y de la disponibilidad local en el tiempo.
- ¿Qué no pueden hacer las redes neuronales artificiales?
- Tu mejor amigo de repente tiene un 50% de posibilidades de convertirse en una IA a partir de 200 años en el futuro sin que te des cuenta. ¿Qué pides para saber si son una IA?
- ¿Java es bueno para la inteligencia artificial?
- Cómo comenzar con proyectos de aprendizaje automático e inteligencia artificial.
- ¿No podríamos eliminar cualquier riesgo de la inteligencia general artificial al hacer que su objetivo sea el asesor más preciso posible?
Puede utilizar el software de combustión para generar su conjunto de datos de entrenamiento y entrenar un ANN de regresión para aproximar la “función”. Con la red debidamente capacitada, puede entregarle el estado termofísico / químico actual relevante para su problema (por ejemplo, las concentraciones de especies y la temperatura) y predecirá el estado futuro en un paso de tiempo predeterminado.
Es mucho más rápido pasar a través de un ANP de MLP de avance que integrar directamente las EDO, especialmente cuando la química es compleja. Esto le permite acelerar realmente el flujo reactivo grande cfd.
Algunos de los primeros documentos sobre esto que he podido encontrar son de Pope y Christo.
https://tcg.mae.cornell.edu/pubs…
Utilizando la red neuronal artificial y el modelado de repro en la combustión turbulenta
He estado trabajando un poco en estas cosas con un éxito limitado tratando de extender este enfoque a mecanismos de combustión más grandes. Si alguna de las personas de aprendizaje automático aquí tiene alguna idea sobre mejores arquitecturas o enfoques ANN, ¡por favor comente!