Buchumschlag

A probabilistic, data-driven closure model for RANS simulations with aleatoric, model uncertainty

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Agrawal, Atul, Koutsourelakis, Phaedon-Stelios
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Fluid Dynamics Machine Learning Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A note on the error analysis of data-driven closure models for large eddy simulations of turbulence
von: Chakraborty, Dibyajyoti, et al.
Veröffentlicht: (2024)

oRANS: Online optimisation of RANS machine learning models with embedded DNS data generation
von: Dehtyriov, Daniel, et al.
Veröffentlicht: (2025)

Generalizable data-driven turbulence closure modeling on unstructured grids with differentiable physics
von: Kim, Hojin, et al.
Veröffentlicht: (2023)

From large-eddy simulations to deep learning: A U-net model for fast urban canopy flow predictions
von: Vargiemezis, Themistoklis, et al.
Veröffentlicht: (2025)

DGenNO: A Novel Physics-aware Neural Operator for Solving Forward and Inverse PDE Problems based on Deep, Generative Probabilistic Modeling
von: Zang, Yaohua, et al.
Veröffentlicht: (2025)

Variational assimilation of sparse time-averaged data for efficient adjoint-based optimization of unsteady RANS simulations
von: Plogmann, Justin, et al.
Veröffentlicht: (2023)

Neural network-based closure models for large-eddy simulations with explicit filtering
von: Benjamin, Mark, et al.
Veröffentlicht: (2024)

A probabilistic framework for learning non-intrusive corrections to long-time climate simulations from short-time training data
von: Sorensen, Benedikt Barthel, et al.
Veröffentlicht: (2024)

Consistent closure modeling in large eddy simulations by direct approximation of the filtered advection term
von: Hausmann, Max, et al.
Veröffentlicht: (2026)

A progressive data-augmented RANS model for enhanced wind-farm simulations
von: Amarloo, Ali, et al.
Veröffentlicht: (2024)

A convolutional autoencoder and neural ODE framework for surrogate modeling of transient counterflow flames
von: Baykan, Mert Yakup, et al.
Veröffentlicht: (2026)

A posteriori closure of turbulence models: are symmetries preserved?
von: Freitas, André, et al.
Veröffentlicht: (2025)

Deep Learning-based Algebraic Reynolds Stress Closures for RANS Simulations of Turbulent Flows
von: Dehtyriov, Daniel, et al.
Veröffentlicht: (2026)

Uni-Flow: a unified autoregressive-diffusion model for complex multiscale flows
von: Xue, Xiao, et al.
Veröffentlicht: (2026)

Nested Fourier-enhanced neural operator for efficient modeling of radiation transfer in fires
von: Jiao, Anran, et al.
Veröffentlicht: (2026)

Higher order quantum reservoir computing for non-intrusive reduced-order models
von: Jain, Vinamr, et al.
Veröffentlicht: (2024)

Non-equilibrium wall model for large eddy simulations of complex flows exhibiting turbulent smooth body separation
von: Agrawal, Rahul, et al.
Veröffentlicht: (2024)

Reynolds number dependence of length scales governing turbulent flow separation with application to wall-modeled large-eddy simulations
von: Agrawal, Rahul, et al.
Veröffentlicht: (2023)

Data-driven quantum Koopman method for simulating nonlinear dynamics
von: Zhang, Baoyang, et al.
Veröffentlicht: (2025)

Bayesian neural network correction of RANS turbulence models with uncertainty quantification in separated flows
von: Buchanan, Tyler, et al.
Veröffentlicht: (2026)

Statistical machine learning tools for probabilistic closures of turbulence models
von: Lemos, Julia Domingues, et al.
Veröffentlicht: (2025)

PSP-GEN: Stochastic inversion of the Process-Structure-Property chain in materials design through deep, generative probabilistic modeling
von: Zang, Yaohua, et al.
Veröffentlicht: (2024)

Accelerated Bayesian calibration and uncertainty quantification of RANS turbulence model parameters for stratified atmospheric boundary layer flows
von: Shin, E. Y., et al.
Veröffentlicht: (2025)

Pseudo-2D RANS: A LiDAR-driven mid-fidelity model for simulations of wind farm flows
von: Letizia, Stefano, et al.
Veröffentlicht: (2021)

GenPANIS: A Latent-Variable Generative Framework for Forward and Inverse PDE Problems in Multiphase Media
von: Chatzopoulos, Matthaios, et al.
Veröffentlicht: (2026)

RheOFormer: A generative transformer model for simulation of complex fluids and flows
von: Saberi, Maedeh, et al.
Veröffentlicht: (2025)

Physics-Aware Neural Implicit Solvers for multiscale, parametric PDEs with applications in heterogeneous media
von: Chatzopoulos, Matthaios, et al.
Veröffentlicht: (2024)

Data-driven low-dimensional model of a sedimenting flexible fiber
von: Fox, Andrew J, et al.
Veröffentlicht: (2024)

Comparison of data-driven symmetry-preserving closure models for large-eddy simulation
von: Agdestein, Syver Døving, et al.
Veröffentlicht: (2026)

Hybrid machine learning models based on physical patterns to accelerate CFD simulations: a short guide on autoregressive models
von: Sengupta, Arindam, et al.
Veröffentlicht: (2025)

Data-driven Mori-Zwanzig modeling of Lagrangian particle dynamics in turbulent flows
von: de Wit, Xander, et al.
Veröffentlicht: (2025)

Inpainting physics: self-supervised learning for context-driven fluid simulation
von: Weidner, Jonas, et al.
Veröffentlicht: (2026)

Mori-Zwanzig latent space Koopman closure for nonlinear autoencoder
von: Gupta, Priyam, et al.
Veröffentlicht: (2023)

Towards scalable surrogate models based on Neural Fields for large scale aerodynamic simulations
von: Catalani, Giovanni, et al.
Veröffentlicht: (2025)

The hot-electron closure of the moment-based gyrokinetic plasma model
von: Hoffmann, A. C. D., et al.
Veröffentlicht: (2025)

A Novel Paradigm in Solving Multiscale Problems
von: Wang, Jing, et al.
Veröffentlicht: (2024)

A review on Deep Reinforcement Learning for Fluid Mechanics
von: Garnier, Paul, et al.
Veröffentlicht: (2019)

Kinetic data-driven approach to turbulence subgrid modeling
von: Ortali, Giulio, et al.
Veröffentlicht: (2024)

Kinetic closure of turbulence
von: Marson, Francesco, et al.
Veröffentlicht: (2025)

Boundary treatment algorithms for meshfree RANS turbulence modeling
von: Padmanabha, Mohan, et al.
Veröffentlicht: (2026)