保罗·诺维洛;加勒·波埃特;大卫·卢加托;西蒙·佩卢钦;彼得罗·马科·康格多 使用基于深度学习的混合（有保证）加速高超声速再入模拟。 （英语） Zbl 07797670号 J.计算。物理学。 498，文章ID 112700，24 p.（2024）. 小结：在本文中，我们对数值模拟的加速感兴趣。我们重点研究一个高超声速行星再入问题，其模拟涉及耦合流体动力学和化学反应。模拟化学反应需要花费大部分的计算时间，但另一方面，无法避免获得准确的预测。我们面临着成本效率和准确性之间的权衡：数值方案必须足够有效，才能在操作环境中使用，但必须足够准确，才能忠实地预测现象。为了解决这个问题，我们设计了一个混合数值方案，将传统的流体动力学求解器与近似化学反应的神经网络耦合起来。当应用于大数据环境时，我们依赖于它们在精度和降维方面的能力，以及它们从矩阵-向量结构中获得重要加速因子（10倍）到18.6倍）的效率。本文旨在解释我们如何在实践中设计这种具有成本效益的混合数值格式。最重要的是，我们描述了确保准确性的方法，使我们能够超越传统的代理建模，并将这些方案用作参考。 MSC公司： 65立方厘米 概率方法，随机微分方程 41轴 近似值和展开值 65牛顿 偏微分方程边值问题的数值方法 关键词：科学机器学习;深度神经网络;杂交;重返大气层;化学反应 软件：EGO公司;DeepONet（深度网络）;突变++ PDF格式BibTeX公司 XML格式引用 \textit{P.Novello}等人，《计算杂志》。物理学。498，文章ID 112700，24 p.（2024；Zbl 07797670） 全文： 内政部 arXiv公司 哈尔 参考文献： [1] 马丁。；Boyd，I.，高超声速烧蚀材料响应和非平衡流的强耦合计算。J.太空船。火箭队（2015年） [2] 米洛斯，F.S。；Chen，Y.-K.，《热保护系统分析的烧蚀、热响应和化学程序》。J.太空船。火箭，137-149（2013） [3] Bianchi，D。；纳苏蒂，F。；Martelli，E.，Navier-Stokes对耦合石墨烧蚀的高超音速流动的模拟。J.太空船。火箭，554-562（2010） [4] Peluchon，S.，《液体燃烧的近似数值和模型化》（2017年11月），波尔多大学，论文 [5] Latige，M.，《液体燃烧模拟》（Simulation numérique de l’ablation liquide）（2013年9月），波尔多科技大学，论文 [6] 尹，J。；张，H。；熊，X。；Huang，B。；Zuo，J.，碳化钨碳/碳复合材料的烧蚀性能。申请。冲浪。科学。，9, 5036-5040 (2009) [7] Scoggins，J.B。；勒罗伊，V。；Bellas-Chatzigeorgis，G。；Dias，B。；Magin，T.E.，突变++：C++中电离气体的多组分热力学和传输特性，SoftwareX 12 [8] Danvin，F。；奥拉扎巴尔，M。；Pinna，F.，用神经网络委员会预测高超声速流动中的层流到湍流转变（2021年） [9] Olazabal-Loumé，M。；Chedevergne，F。；Danvin，F。；Mathiaud，J.，用于模拟湍流高超声速流动的粗糙度修正 [10] Le Maêtre，O.P。；Knio，O.M.，《使用Wiener-Haar展开的不确定性传播》。J.计算。物理。，28-57 (2004) ·Zbl 1052.65114号 [11] 霍斯德，S。；沃尔特斯，R.W。；Perez，R.，CFD模拟中不确定性传播的非侵入多项式混沌方法，AIAA 2006-891 [12] 波埃特，G。；Després，B。；Lucor，D.，守恒定律系统的不确定性量化。J.计算。物理。，7, 2443-2467 (2009) ·Zbl 1161.65309号 [13] Lucor，D。；Meyers，J。；Sagaut，P.，使用多项式混沌的LES对亚网格尺度模型参数不确定性的敏感性分析。流体力学杂志。，255-279 (2007) ·Zbl 1119.76035号 [14] Congedo，P.等人。；科尔，C。；Martinez，J.-M.，具有多源不确定性的bzt流中翼型的形状优化。计算。方法应用。机械。工程师，1216-232（2011）·Zbl 1225.76253号 [15] Da Veiga，S。；沃尔，F。；Gamboa，F.，具有相关输入的模型灵敏度分析的局部多项式估计。技术计量学，452-463（2009） [16] 普拉特纳，N。；Doerr，S。；De Fabritis，G。；Noé，F.，分子动力学模拟和马尔可夫模型揭示的原子细节的完整蛋白质关联动力学。自然化学。，10, 1005-1011 (2017) [17] M.I.齐默尔曼。；Bowman，G.R.，《通过平衡勘探与开发权衡实现快速构象搜索》。化学杂志。理论计算。，12, 5747-5757 (2015) [18] Doerr，S。；De Fabritis，G.，通过高通量分子模拟对配体结合进行实时学习和采样。化学杂志。理论计算。，5, 2064-2069 (2014) [19] oCLC:ocn499067426 [20] 贝克·R·E。；佩尼亚，J.-M。；Jayamohan，J。；Jérusalem，A.，机械模型与机器学习，一场值得为生物界而战的战斗？。生物Lett。，5 (2018) [21] 科齐尔，S。；Leifsson，L.，使用空间映射进行基于知识的机翼形状优化 [22] 郭，X。；李伟（Li，W.）。；Iorio，F.，稳定流近似的卷积神经网络，481-490 [23] Kluth，G。；Humbird，K.D。；布兰斯，B.K。；Peterson，J.L。；斯科特·H·A。；帕特尔，M.V。；Koning，J。；马里纳克，M。；Divol，L.公司。；Young，C.V.，《nlte光谱不透明度的深度学习》。物理学。等离子体，5（2020） [24] P.J.米兰。；希基，J.-P。；王，X。；Yang，V.，复杂流场数值模拟中实际流体特性的深度学习加速计算。J.计算。物理学。(2021) ·Zbl 07515459号 [25] 莱斯，M。；佩迪卡里斯，P。；Karniadakis，G.E.，《物理学指导的深度学习》（第一部分）：非线性偏微分方程的数据驱动解，arXiv预印本·Zbl 1415.68175号 [26] 莱斯，M。；佩迪卡里斯，P。；Karniadakis，G.，《基于物理的神经网络：用于解决涉及非线性偏微分方程的正向和反向问题的深度学习框架》。J.计算。物理。，686-707 (2019) ·Zbl 1415.68175号 [27] 蔡，S。；毛，Z。；王，Z。；尹，M。；Karniadakis，G.E.，《流体力学物理信息神经网络（pins）：综述》（2021年） [28] 卢，L。；Jin，P。；庞，G。；张，Z。；Karniadakis，G.E.，基于算子的普遍逼近定理，通过deeponet学习非线性算子。自然马赫数。智力。，3, 218-229 (2021) [29] McCulloch，W.S。；Pitts，W.，《神经活动内在思想的逻辑演算》。牛市。数学。生物物理学。，4, 115-133 (1943) ·兹比尔0063.03860 [30] 李，Y。；Zhou，Z。；Ying Delisa，S.，求解偏微分方程的基于深度学习的迭代方案近似。J.计算。物理学。(2022) [31] 黄，J。；Wang，H。；Yang，H.，Int-dep:非线性问题的深度学习初始化迭代方法。J.计算。物理学。(2020) ·Zbl 07507236号 [32] 王，Z。；Zhang，使用深度学习方法解决界面问题的无网格方法。J.计算。物理学。(2020) ·Zbl 1454.65173号 [33] Han Rahul，Z。；De，S.，一种基于深度学习的混合方法，用于解决电外科中的多物理问题。计算。方法应用。机械。工程（2019）·Zbl 1442.65472号 [34] 施耐德，E。；戴，L。；托珀，R.Q。；Drechsel-Grau，C。；Tuckerman，M.E.，学习高维自由能表面的随机神经网络方法。物理学。修订稿。，15 (2017) [35] 莫内斯，L。；伯恩斯坦，N。；Csanyi，G.，《利用高斯过程回归探索、采样和重建自由能表面》。化学杂志。理论计算。，10, 5100-5110 (2016) [36] 贝劳，T。；迪斯塔西奥，R.A。；Tkatchenko，A。；von Lilienfeld，O.A.，《化学空间有机和生物亚群之间的非共价相互作用：基于机器学习参数化的物理势》。化学杂志。物理。，24 (2018) [37] Brockherde，F。；沃格特，L。；李，L。；塔克曼，M.E。；伯克，K。；Müller，K.-R.，用机器学习绕过Kohn-Sham方程。国家公社。，1, 872 (2017) [38] Kluth，G。；Humbird，K。；布兰斯，B。；斯科特·H。；帕特尔，M。；彼得森，L。；Koning，J。；马里纳克，M。；Divol，L.公司。；Young，C.，ICF水力代码中非局部热力学平衡的深度学习，BO5.009 [39] Peluchon，S。；盖利斯，G。；Mieussens，L.，两相流的稳健隐式-显式声传输分裂方案。J.计算。物理。，328-355 (2017) ·Zbl 1375.76197号 [40] Peluchon，S。；加里斯，G。；Maire，P.-H.，两相可压缩流的一些声传输分裂方案，1151-1164（2016） [41] Sigrist，J.-F.，《数值模拟，预测艺术1》（2019年）·Zbl 1434.00040号 [42] Sigrist，J.-F.，数值模拟，预测艺术2：实例（2020）·Zbl 1434.00039号 [43] 古德费罗，I.J。；Y.本吉奥。；Courville，A.，《深度学习》（2016），麻省理工学院出版社：麻省理学院出版社，美国马萨诸塞州剑桥·Zbl 1373.68009号 [44] 伯纳，J。；Grohs，P。；Kutyniok，G。；彼得森，P.，《深度学习的现代数学》（2021）·Zbl 07571594号 [45] 霍尼克，K。；Stinchcombe，M。；White，H，多层前馈网络是通用逼近器。神经网络。，5, 359-366 (1989) ·Zbl 1383.92015年 [46] Barron，A.R.，《人工神经网络的近似和估计界》。机器。学习。，1, 115-133 (1994) ·Zbl 0818.68127号 [47] 卢，Z。；Pu，H。；Wang，F。；Hu，Z。；Wang，L.，神经网络的表达能力：从宽度角度看，CoRR [48] P.Auer，M.Herbster，M.K.Warmuth，单个神经元的指数多局部极小值，计算机科学系。 [49] 勒布伦，R。；Dutfoy，A.，将nataf变换推广到具有椭圆copula的分布。普罗巴伯。工程机械。，2, 172-178 (2009) [50] Lebrun，R。；Dutfoy，A.，从连接词角度对nataf变换的创新分析。普罗巴伯。工程机械。，3, 312-320 (2009) [51] Dutfoy，A。；Lebrun，R.，使用连接函数进行依赖建模的实用方法。J.风险可靠性。，4, 347-361 (2009) [52] Novello，P。；波依特，G。；卢加托，D。；Congedo，P.，《利用数据中的局部变化：监督深度学习的采样和加权方案》。J.马赫。学习。模型。计算。，1, 77-105 (2022) [53] Bergstra，J。；Bengio，Y.，超参数优化的随机搜索。J.马赫。学习。研究，10，281-305（2012）·Zbl 1283.68282号 [54] Novello，P。；波埃特，G。；卢加托，D。；Congedo，P.，深度学习中超参数的面向目标的敏感性分析。科学杂志。计算。，45 (2023) ·Zbl 07698881号 [55] 格雷顿，A。；O.布斯克。；Smola，A。；Schölkopf，B.，用Hilbert-Schmidt规范测量统计相关性，63-77·Zbl 1168.62354号 [56] 利普曼，H.W。；Roshko，A.，《气体动力学原理》（2001），多佛：多佛米诺拉，纽约·Zbl 0078.39901号 [57] 王，Z。；Xin，J。；Zhang，Z.，Deepparticle:通过深度神经网络学习不变量测度，最小化交互粒子方法生成数据的Wasserstein距离。J.计算。物理学。(2022) ·Zbl 07540355号 [58] Demeure，N.，《中央表演与计算代码决策》（Gestion du compomis entre la performance et la précision de code de calcul，2021年1月），巴黎萨克利大学，论文 [59] Behler，J。；Parrinello，M.，高维势能表面的广义神经网络表示。物理学。修订版Lett。(2007) [60] Stecher，T。；伯恩斯坦，N。；Csányi，G.，使用高斯过程回归从伞形样本重建自由能表面。化学杂志。理论计算。，9, 4079-4097 (2014) [61] Anderson，J.，《高超音速和高温气体动力学》。AIAA教育系列（2006），美国航空航天学会 [62] Scoggins，J.，《数值方法的发展和大气进入耦合流、辐射和烧蚀现象的研究》（2017年），巴黎大学Saclay分校和VKI博士论文 [63] A.Loeven，J.Witteveen，H.Bijl，《使用混沌配置的两步方法进行有效不确定性量化》，ECCOMAS CFD。 [64] Nobile，F。；丹蓬，R。；Webster，C.，具有随机输入数据的偏微分方程的稀疏网格随机配置方法。SIAM J.数字。分析。，5, 2309-2345 (2008) ·Zbl 1176.65137号 [65] 秀，D。；Hesthaven，J.，具有随机输入的微分方程的高阶配置方法。科学杂志。计算。，3, 1118-1139 (2005) ·Zbl 1091.65006号 [66] Loeven，G。；Bijl，H.，使用概率配置法进行不确定几何形状的翼型分析，AIAA 2008-2070·Zbl 1232.76038号 [67] Loeven，G。；Witteveen，J.A.S。；Bijl，H.，概率配置：任意分布参数不确定性的有效非侵入方法，AIAA 2007-317 [68] Ganapathysubramanian，B。；Zabaras，N.，随机自然对流问题的稀疏网格配置方案。J.计算。物理。，652-685 (2007) ·Zbl 1343.76059号 [69] Epperson，J.F.，关于龙格的例子。美国数学。周一。，4, 329-341 (1987) ·Zbl 0636.41004号 [70] 切尼，E。；Light，W.，近似理论课程，美国数学学会数学研究生课程·Zbl 0575.41001号 [71] Wiener，N.，齐次混沌。美国数学杂志。，897-936 (1938) [72] 秀，D。；Karniadakis，G.E.，随机微分方程的Wiener-Askey多项式混沌。SIAM J.科学。计算。，2, 619-644 (2002) ·Zbl 1014.65004号 [73] 布拉特曼，G。；Sudret，B.，稀疏多项式混沌展开和使用回归方法的自适应随机有限元。C.R.、MéC.、。，6, 518-523 (2008) ·Zbl 1138.74046号 [74] Lucor，D。；秀，D。；Su，C.H。；Karniadakis，G.E.，CFD中的可预测性和不确定性。国际期刊数字。液体方法，483-505（2003）·Zbl 1032.76662号 [75] Lucor，D。；埃诺，C。；Jourdren，H.等人。；Sagaut，P.，《多物理随机设计优化：反应流和爆轰的应用》。计算。方法应用。机械。工程，5047-5062（2007）·Zbl 1173.76403号 [76] Sudret，B.，使用多项式混沌展开的全局灵敏度分析。Reliab公司。工程系统。安全。，7, 964-979 (2008) [77] 万，X。；Karniadakis，G.，《超越Wiener-Askey扩展：处理任意PDF》。SIAM J.科学。计算。，1-3, 455-464 (2006) ·Zbl 1102.65006号 [78] 波埃特，G。；Lucor，D.，非侵入式迭代随机谱表示及其在可压缩气体动力学中的应用。J.计算。物理。，9, 3587-3609 (2012) ·Zbl 1402.76109号 [79] Birolleau，A。；波埃特，G。；Lucor，D.，不连续逆问题的自适应贝叶斯推断，双曲守恒定律的应用。Commun公司。计算。物理。，1, 1-34 (2014) ·Zbl 1380.62107号 [80] 奥利弗·G·恩斯特。；安特耶·穆格勒（Antje Mugler）；汉斯·约尔格·斯塔克洛夫（Hans-Jörg Starkloff）；Elisabeth Ullmann，关于广义多项式混沌展开式的收敛性。ESAIM:M2AN，2317-339（2012）·Zbl 1273.65012号 [81] Poëtte，G.，基于广义多项式混沌的近似的比较研究：积分与回归、搭配与克里格。国际期刊不确定性。量化。(2018) [82] 拉斯穆森，C.E。；Williams，C.K.I.，《机器学习的高斯过程（自适应计算和机器学习）》（2005），麻省理工学院出版社 [83] 奥克利，J.E。；O'Hagan，A.，《复杂模型的概率敏感性分析：贝叶斯方法》。J.R.Stat.Soc.，塞尔维亚。B、 统计方法。，3, 751-769 (2004) ·Zbl 1046.62027号 [84] 马雷尔，A。；N.玛丽。；De Lozzo，M.，钠快堆事故评估的高级替代模型和灵敏度分析方法。Reliab公司。工程系统。安全。，232-241 (2015) [85] 肯尼迪医学博士。；O'Hagan，A.，计算机模型的贝叶斯校准。J.R.Stat.Soc.，塞尔维亚。B、 统计方法。，3, 425-464 (2001) ·Zbl 1007.62021号 [86] Gramacy，R.B.，《替代品：应用科学的高斯过程建模、设计和优化》（2020），查普曼·霍尔/CRC：查普曼·霍尔/CRC博卡拉顿，佛罗里达州 [87] Bachoc，F.，协方差函数估计参数（Estimation parétrique de la function de convariation dans le modèle de krigeage par processus gaussiens:application a la quantitation des incerties en simulation numérique）。Josselin Mathématiques appliques Paris，2013（2013），博士论文 [88] Bachoc，F.，空间抽样对高斯过程协方差参数估计作用的渐近分析·Zbl 1280.62100号 [89] Poötte，G.，《基于广义多项式混沌逼近的比较研究：积分vs.回归vs.搭配vs.克里金》（2018年7月），工作论文或预印本 [90] Jones，D.R。；Schonlau，M。；Welch，W.J.，《昂贵黑盒函数的高效全局优化》。J.全球。最佳。，4, 455-492 (1998) ·Zbl 0917.90270号 [91] 桑特纳，T.J。；威廉姆斯，B.J。；Notz，W.I.，《计算机实验的设计与分析》（2018），施普林格-弗拉格出版社·Zbl 1405.62110号 [92] R.Shöbi，B.Sudret，J.Wiart，基于多项式的kriging·Zbl 1498.82031号 [93] 克绍迪，P。；苏德雷特，B。；瓦西尔，N。；O.皮肯。；Wiart，J.，一种结合克里格和多项式混沌展开的新的替代建模技术——应用于计算剂量测定中的不确定性分析。J.计算。物理。，103-117 (2015) ·Zbl 1351.94003号 [94] Schöbi，R。；苏德雷特，B。；Marelli，S.，《使用多项式-chaos kriging进行罕见事件估计》。ASCE-ASME J.风险不确定性。工程系统。部分。A、 公民。工程，2（2017） [95] Bachoc，F.，错误指定情况下高斯过程协方差参数估计的渐近分析·兹比尔1429.60035 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。