一种改进型内嵌特征压缩机制的智能间断指示器

高精度高分辨率数值格式是模拟高速含激波复杂流动最有效的计算方法之一,而其中对于激波等间断结构的捕捉和辨识,是设计鲁棒的高精度高分辨率数值格式的关键问题之一。借助先验的数理知识及人工神经网络(artificial neural network,ANN)方法,构造了一种改进型内嵌“特征压缩”机制的智能间断指示器,以提高高精度格式框架下间断捕捉的精准度。该间断指示器模型是通过借助先验的数学物理知识进行预建模,然后借助数据驱动方法学习模型中的待定参数而得到。这使得间断指示器模型形式简洁,在训练过程中具有小样本依赖的优势,还使训练后的模型具备计算复杂度低、数理可解释等优秀性质,且其一维形式可以自然地推广到高维非结构网格下的方程组中。已证明该间断指示器模型包含两种间断捕捉机制,即基于特征压缩的激波捕捉机制和基于大梯度跳跃的膨胀波起点、接触间断捕捉机制。一系列数值实验结果验证了所构造的间断指示器对于流场不同间断类型的捕捉精准性。

变分量子线性求解算法在高速飞行器定常绕流数值模拟中的应用

CFD方法在用于三维大规模复杂流动的空气动力学数值模拟时,面临着计算成本高、模拟时间长等瓶颈问题。近年来,量子计算为航空航天CFD领域带来了新的解决思路,通过利用量子比特的叠加态和纠缠特性,理论上相比于经典计算机能够实现对数级的存储缩减和指数级的效率加速,在处理大规模空气动力学模拟等任务上具有巨大的潜力。聚焦于量子计算技术在航空航天CFD领域的应用探索,针对高速定常流动问题,采用变分量子线性求解器(variational quantum linear solver,VQLS)辅助求解CFD时间离散环节得到的高维线性方程组,进而发展了可以在含噪声中等规模量子(noisy intermediate-scale quantum,NISQ)器件上实现的VQLS-CFD耦合方法。通过三维双椭球模型和探测器火星科学实验室模型的超声速数值模拟测试,验证了VQLS-CFD耦合方法可以实现大规模复杂流动的鲁棒及准确模拟,并产生与试验数据吻合度较高的计算结果,最终获得高可信度的气动预测结果。然而,介绍的量子计算流体力学(quantum computational fluid dynamics,QCFD)方法在计算效率方面尚未达到真正意义上的加速效果,这一现象的突破将依赖量子计算机硬件的持续发展与QCFD算法的不断优化与成熟。