[논문 리뷰] A Molecular-Continuum Multiscale Model for Inviscid Liquid-Vapor Flow with Sharp Interfaces

Jim Magiera, Christian Rohde|arXiv (Cornell University)|2022. 04. 05.

Advanced Mathematical Modeling in Engineering참고 문헌 58인용 수 7

한 줄 요약

이 논문은 날카로운 인터페이스를 가진 점성 없는 액체-기체 유동을 위한 새로운 분자-연속체 다스케일 모델을 제안한다. 이 모델은 연속체 척도에서 오일러 방정식을 사용하고, 인터페이스에서 분자 동역학(MD) 시뮬레이션을 통합하여 임의의 닫힘 관계를 피한다. 이는 보존적인 이산화를 위해 이동 메쉬 유한체적 방법(FV-IPMM)을 사용하며, 질량 보존을 유지하면서도 MD 시뮬레이션을 가속화하는 제약 인식 신경망 서rogate를 도입하여 이전에 기존 방법으로는 접근할 수 없었던 온도 의존성 이상태 유동을 정확하게 시뮬레이션할 수 있도록 한다.

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.

연구 동기 및 목표

• 점성 없는 액체-기체 유동에 대해 날카로운 인터페이스를 가진 물리적으로 일관된 다스케일 모델을 개발하여 임의의 닫힘 관계를 피한다.
• 상의 경계에서 직접적으로 분자 척도의 동역학을 MD 시뮬레이션을 통해 연결하여 질량, 운동량, 에너지의 정확한 인터페이스 전달을 보장한다.
• 직접적인 MD 시뮬레이션의 높은 계산 비용을 해결하기 위해 질량 보존을 유지하는 물리 기반 신경망 서rogate를 도입한다.
• 이전에 정확한 인터페이스 모델이 부족하여 해결이 어려웠던 온도 의존성 이상태 흐름 영역의 시뮬레이션을 가능하게 한다.
• 날카로운 인터페이스를 위한 보존적이고 인터페이스 유지 성질을 갖춘 수치 이산화 방법으로 이동 메쉬 유한체적 방법(FV-IPMM)을 제공한다.

제안 방법

• 액체 및 기체 상에서 고체 보존 법칙(오일러 방정식)을 기반으로 한 일반적인 날카로운 인터페이스 이상태 흐름 모델을 수립하며, 이는 코드미니멀리티-1 인터페이스로 분리된다.
• 분자 동역학(MD) 시뮬레이션을 기반으로 한 마이크로스케일 인터페이스 해법기를 도입하여 질량 유량, 속도, 인터페이스 이동 속도 등을 포함한 인터페이스 역학을 계산한다.
• MD 시뮬레이션 데이터를 기반으로 훈련된 제약 인식 신경망을 사용하는 서rogate 해법기를 개발하여 고비용의 MD 실행을 대체하면서도 물리적 보존 법칙을 강제한다.
• 유한체적 방법(FV-IPMM)을 사용하여 연속체 척도의 흐름을 이산화함으로써 보존적이고 기하학적으로 정확한 날카로운 인터페이스 해석을 보장한다.
• 스케일 간의 다이어그램을 구축하기 위해 데이터 기반 접근법을 적용한다: MD 시뮬레이션은 신경망 서rogate의 훈련 데이터를 생성하며, 입력 상태는 각 상의 밀도, 속도, 온도로 정의된다.
• MD 시뮬레이션을 반복적으로 수행하는 전략(입력당 3회 반복)을 적용하여 노이즈를 평가하고 신경망 훈련 중 과적합을 방지한다.

실험 결과

연구 질문

• RQ1 직접적으로 MD 시뮬레이션과 연속체 흐름 방정식을 연결함으로써, 액체-기체 인터페이스에 대해 임의의 닫힘 관계를 피할 수 있는 다스케일 모델을 구축할 수 있는가?
• RQ2 인터페이스에서 MD 시뮬레이션의 계산 비용을 물리적 정확성이나 보존 성질을 훼손하지 않고 어떻게 줄일 수 있는가?
• RQ3 MD 데이터를 기반으로 훈련된 신경망 서rogate가 압축성 이상태 흐름에서 인터페이스 운동과 열역학적 상태를 얼마나 정확하게 예측할 수 있는가?
• RQ4 보존적이고 인터페이스 유지 성질을 갖춘 유한체적 방법이 복잡한 인터페이스 역학을 가진 액체-기체 흐름에서 날카로운 인터페이스를 효과적으로 해석할 수 있는가?
• RQ5 이 다스케일 프레임워크를 통해 온도 의존성 이상태 흐름 영역의 어떤 범위를 정확하게 시뮬레이션할 수 있는가?

주요 결과

• 제안된 다스케일 모델은 이전에 정확한 인터페이스 모델이 없어 접근이 어려웠던 온도 의존성 액체-기체 유동을 날카로운 인터페이스로 정확하게 시뮬레이션할 수 있다.
• 17,865개의 MD 시뮬레이션 데이터 포인트(고유한 초기 상태 5,955개)를 기반으로 훈련된 신경망 서rogate 해법기는 안정적인 훈련 및 검증 손실을 달성했으며, 그 결과는 그림 18에 나타나 있어 인터페이스 역학의 효과적인 학습을 보여준다.
• MD 시뮬레이션은 비결정적 특성을 가지며, 각 입력 포인트에 대해 3회 반복 수행함으로써 노이즈 수준을 평가하고 서rogate 훈련 중 과적합을 방지하는 데 기여했다.
• 전체 데이터 세트를 생성하기 위한 총 계산 비용은 약 3,000시간이었지만, 샘플링 과정은 완전히 병렬화 가능하여 계산 자원에 효율적으로 분배될 수 있었다.
• FV-IPMM 방법은 인터페이스 재구성 또는 레벨셋 재초기화를 요구하지 않고 메쉬 내에서 날카로운 인터페이스를 성공적으로 해석하여 안정성과 보존성 향상을 이루었다.
• 서rogate 해법기는 질량 보존을 유지하면서 직접적인 MD 시뮬레이션에 비해 빠른 성능을 보여주어 복잡한 이상태 흐름 시뮬레이션에 대한 전체 다스케일 모델의 계산 가능성을 확보했다.