Buchumschlag

Classifying acoustic cavitation with machine learning trained on multiple physical models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gatica, Trinidad, Wout, Elwin van 't, Haqshenas, Reza
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computational Physics Fluid Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Model fusion with physics-guided machine learning
von: Pawar, Suraj, et al.
Veröffentlicht: (2021)

Drag modelling for flows through assemblies of spherical particles with machine learning: A comparison of approaches
von: Reuter, Julia, et al.
Veröffentlicht: (2025)

Towards a general description of the cavitation threshold in acoustic systems
von: Viciconte, Gianmaria, et al.
Veröffentlicht: (2023)

Modeling time-delayed acoustic interactions of cavitation bubbles and bubble clusters
von: Coulombel, Pierre, et al.
Veröffentlicht: (2024)

Flow control by a hybrid use of machine learning and control theory
von: Ishize, Takeru, et al.
Veröffentlicht: (2023)

Neural-ISAM: A hybrid in-situ machine learning approach for complex manifold-based combustion models in LES of turbulent flames
von: Fush, S. Trevor, et al.
Veröffentlicht: (2026)

Compact representation of transonic airfoil buffet flows with observable-augmented machine learning
von: Fukami, Kai, et al.
Veröffentlicht: (2025)

A lattice Boltzmann approach for acoustic manipulation
von: Castro-Avila, E., et al.
Veröffentlicht: (2024)

Energy dissipation mechanisms in an acoustically-driven slit
von: Yu, Haocheng, et al.
Veröffentlicht: (2025)

The best whistler: a cavitating tip vortex
von: Qian, Zhaohui, et al.
Veröffentlicht: (2024)

Single-snapshot machine learning for super-resolution of turbulence
von: Fukami, Kai, et al.
Veröffentlicht: (2024)

Trigger mechanism for a singing cavitating tip vortex
von: Qian, Zhaohui, et al.
Veröffentlicht: (2024)

Numerical modelling of a partially loaded intermodal container freight train passing through a tunnel
von: Liu, Zhen, et al.
Veröffentlicht: (2025)

Ionic strength-driven cavitation nucleation: from energy deposition-based to tension-based cavitation
von: Cai, Junhao, et al.
Veröffentlicht: (2025)

Hierarchy of extreme-event predictability in turbulence revealed by machine learning
von: Yang, Yuxuan, et al.
Veröffentlicht: (2026)

Optical to infrared mapping of vapor-to-liquid phase change dynamics using generative machine learning
von: Khodakarami, Siavash, et al.
Veröffentlicht: (2025)

Simulating acoustically-actuated flows in complex microchannels using the volume penalization technique
von: Kshetri, Khemraj Gautam, et al.
Veröffentlicht: (2025)

Quantum machine learning for efficient reduced order modelling of turbulent flows
von: Li, Han, et al.
Veröffentlicht: (2025)

Laser-induced plasma formation and cavitation in water: from nanoeffects to extreme states of matter
von: Linz, Norbert, et al.
Veröffentlicht: (2025)

Numerical investigation of three-dimensional effects of cavitating flow in a venturi-type hydrodynamic cavitation reactor
von: Apte, Dhruv, et al.
Veröffentlicht: (2024)

Non-homogeneous anisotropic bulk viscosity for acoustic wave attenuation in weakly compressible methods
von: Raghunathan, Dheeraj, et al.
Veröffentlicht: (2024)

A comparative evaluation of turbulence models for simulation of unsteady cavitating flows
von: Apte, Dhruv, et al.
Veröffentlicht: (2023)

Bubble dynamics in a cavitating venturi
von: Chandra, Premchand V, 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 new paradigm for wall-modeled large eddy simulations using the volume-filtering framework
von: Hausmann, Max, et al.
Veröffentlicht: (2024)

Turbulence model augmented physics informed neural networks for mean flow reconstruction
von: Patel, Yusuf, et al.
Veröffentlicht: (2023)

The Closure Challenge: a benchmark task for machine learning in turbulence modelling
von: McConkey, Ryley, et al.
Veröffentlicht: (2026)

Nonlinear projection-based model order reduction with machine learning regression for closure error modeling in the latent space
von: de Parga, S. Ares, et al.
Veröffentlicht: (2025)

Information-theoretic machine learning for time-varying mode decomposition of separated aerodynamic flows
von: Fukami, Kai, et al.
Veröffentlicht: (2025)

Influence of ambient temperature on cavitation bubble dynamics
von: Pei, Shaocong, et al.
Veröffentlicht: (2025)

Machine learning for climate physics and simulations
von: Lai, Ching-Yao, et al.
Veröffentlicht: (2024)

Nanoscale defects and heterogeneous cavitation in water
von: Šako, Marin, et al.
Veröffentlicht: (2025)

Experimental study of cavitation development in liquid in pulsed non-uniform electric field under the action of ponderomotive forces
von: Starikovskiy, Andrey Yu., et al.
Veröffentlicht: (2024)

Temperature depression model for cavitating flow with thermodynamic suppression effect in high-temperature water
von: Okajima, Junnosuke, et al.
Veröffentlicht: (2024)

A novel data-driven method for augmenting turbulence modeling for unsteady cavitating flows
von: Apte, Dhruv, et al.
Veröffentlicht: (2024)

Quantum machine learning for the quantum lattice Boltzmann method: Trainability of variational quantum circuits for the nonlinear collision operator across multiple time steps
von: Zamora, Antonio David Bastida, et al.
Veröffentlicht: (2026)

Finite speed of sound effects on asymmetry in multibubble cavitation
von: Saini, Mandeep, et al.
Veröffentlicht: (2024)

Dynamics of cavitation bubbles inside a small corner
von: Liu, Jinzhao, et al.
Veröffentlicht: (2024)

Single cavitation bubble dynamics in a stagnation flow
von: Mnich, Dominik, et al.
Veröffentlicht: (2023)

Convolutional causal learning for aerodynamic flows
von: Koshikawa, Ryo, et al.
Veröffentlicht: (2026)