.png){kind=icon}
返回
Tensor network lattice Boltzmann method for data-compressed fluid simulations
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cma.2026.119088.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
解决几何复杂域中的非稳态输运现象传统上受限于计算成本随空间分辨率的多项式增长。尽管基于张量网络数据表示或矩阵积态（MPS）数据编码的方法已作为一种系统性减少自由度的技术出现，但现有表述并未扩展至复杂几何和复杂流动物理。这两种能力由格子玻尔兹曼方法（LBM）提供，为此我们开发了一种广义MPS表述。该发展标志着从依赖显式网格细化进行数据压缩的经典方法的范式转变。相反，我们的方法利用MPS表示中的非局部相关性，直接系统性地压缩全局流体状态，而无需修改底层网格。我们将所提出的求解器与使用三维结构介质和血管几何的流动中的经典LBM进行基准测试。结果表明，MPS表述以高保真度重现参考解，同时实现超过两个数量级的压缩比，将张量网络或MPS编码定位为在高性能GPU硬件上用于连续介质力学的可扩展范式。
Keyword:
Lattice Boltzmann method
Matrix product states
CFD
期刊
IF:
7.3
论文数:
1.3W
被引数:
5.6W
机构
引用论文
暂无论文信息