[論文レビュー] A Molecular-Continuum Multiscale Model for Inviscid Liquid-Vapor Flow with Sharp Interfaces

Jim Magiera, Christian Rohde|arXiv (Cornell University)|Apr 5, 2022

Advanced Mathematical Modeling in Engineering参考文献 58被引用数 7

ひとこと要約

本稿では、滑らかな界面を有する非粘性液体-蒸気流れを対象として、連続体スケールにおけるオイラー方程式と界面における分子動力学（MD）シミュレーションを組み合わせることで、任意の閉じ込め関係を回避する、革新的な分子-連続体マルチスケールモデルを提示する。保守的離散化のための界面保存型移動メッシュ有限体積法を採用し、質量保存を維持しながらMDシミュレーションを高速化する制約認識ニューラルネットワーク補間器を導入することで、従来の手法では到達できなかった温度依存の二相流を高精度にシミュレート可能となる。

ABSTRACT

The dynamics of compressible liquid-vapor flow depends sensitively on the microscale behavior at the phase boundary. We consider a sharp-interface approach, and propose a multiscale model to describe liquid-vapor flow accurately, without imposing ad-hoc closure relations on the continuum scale. The multiscale model combines the Euler equations on the continuum scale with molecular-scale particle simulations that govern the interface motion. We rely on an interface-preserving moving mesh finite volume method to discretize the continuum-scale sharp-interface flow in a conservative manner. Computational efficiency, while preserving physical properties, is achieved by a surrogate solver for the interface dynamics based on constraint-aware neural networks. The multiscale model is presented in its general form, and applied to regimes of temperature-dependent liquid-vapor flow which have not been accessible before.

研究の動機と目的

• 粘性のない液体-蒸気流れに適した物理的に整合性のあるマルチスケールモデルを構築し、任意の閉じ込め関係を回避すること。
• 界面における直接的な分子スケールのダイナミクスをMDシミュレーションを用いて結合し、界面での質量・運動量・エネルギー移動を正確に保証すること。
• 直接MDシミュレーションの高い計算コストを克服するため、物理則に基づいたニューラルネットワーク補間器を導入し、質量保存を維持すること。
• 従来の手法では、正確な界面モデルの欠如により実行不可能であった温度依存の二相流状態をシミュレート可能にする。
• 界面保存型の移動メッシュ有限体積法（FV-IPMM）を用いて、滑らかな界面を有する流れに対して保存的かつ幾何的に正確な数値離散化を提供すること。

提案手法

• 液体相と蒸気相を1次元界面で分離する、双曲型保存則（オイラー方程式）に基づく一般化された界面明確な二相流モデルを定式化する。
• 界面の微小スケールソルバとして、質量フラックス、速度、界面速度を含む界面ダイナミクスを計算する分子動力学（MD）シミュレーションを導入する。
• MDシミュレーションのデータで学習された制約認識ニューラルネットワークを用いた補間ソルバを開発し、高コストなMD実行を置き換えつつ物理的保存則を強制する。
• 界面保存型移動メッシュ有限体積法（FV-IPMM）を用いて連続体スケールの流れを離散化し、滑らかな界面を保存的かつ幾何的に正確に解像する。
• スケールを橋渡しするデータ駆動型手法を採用：MDシミュレーションがニューラルネットワーク補間器のトレーニングデータを生成し、入力状態は両相における密度、速度、温度で定義される。
• MDシミュレーションの繰り返し戦略（1入力あたり3回）を採用し、ノイズの評価と補間器トレーニングにおける過学習の防止を図る。

実験結果

リサーチクエスチョン

• RQ1 MDシミュレーションと連続体スケールの流れ方程式を直接結合することで、液体-蒸気界面に対して任意の閉じ込め関係を回避するマルチスケールモデルを構築可能か？
• RQ2 MDシミュレーションの計算コストを物理的忠実性や保存則の性質を損なわず、どのように低減できるか？
• RQ3 MDデータで学習されたニューラルネットワーク補間器が、圧縮可能な二相流における界面の運動および熱力学的状態をどの程度正確に予測できるか？
• RQ4 物理的保存則を満たし、界面を保存する有限体積法が、複雑な界面ダイナミクスを示す液体-蒸気流れの滑らかな界面を効果的に解像できるか？
• RQ5 本マルチスケールフレームワークを用いて、どの範囲の温度依存の二相流状態を高精度にシミュレート可能か？

主な発見

• 提示されたマルチスケールモデルにより、従来の正確な界面モデルの欠如により到達できなかった温度依存の滑らかな界面を有する液体-蒸気流れのシミュレーションが可能となった。
• 17,865件のMDシミュレーションデータポイント（うち5,955件が一意の初期状態）で学習されたニューラルネットワーク補間器は、図18に示すように安定したトレーニングおよび検証損失を達成し、界面ダイナミクスの有効な学習が可能であった。
• MDシミュレーションは非決定的であり、各入力点に対して3回の繰り返し実行によりノイズの尺度が得られ、補間器トレーニングにおける過学習の防止に寄与した。
• 全データセットの生成に要した総計算コストは約3,000時間であったが、サンプリングプロセスは完全に並列化可能であり、計算リソースへの効率的配分が可能であった。
• FV-IPMM法は、界面再構築やレベルセット再初期化を必要とせず、メッシュ内に滑らかな界面を正確に解像した。これにより、安定性と保存則の維持が向上した。
• 補間器ソルバは質量保存を維持し、直接MDシミュレーションに比べて顕著な高速化を実現した。これにより、複雑な二相流シミュレーションに適した計算的実行可能性が確保された。