Buchumschlag

Invariant Control Strategies for Active Flow Control using Graph Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kurz, Marius, Kaushik, Rohan, Blind, Marcel, Kopper, Patrick, Schwarz, Anna, Rodach, Felix, Beck, Andrea
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Fluid Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An Architecture-Agnostic High-Order Discontinuous Galerkin Framework for Compressible Flows
von: Starr, Spencer, et al.
Veröffentlicht: (2026)

A Provably Robust Multi-Jet Framework applied to Active Flow Control of an Airfoil in Weakly Compressible Flow
von: Kaushik, Rohan, et al.
Veröffentlicht: (2026)

Harnessing Equivariance: Modeling Turbulence with Graph Neural Networks
von: Kurz, Marius, et al.
Veröffentlicht: (2025)

Comparison of Entropy Stable Collocation High-Order DG Methods for Compressible Turbulent Flows
von: Schwarz, Anna, et al.
Veröffentlicht: (2025)

A Time-Accurate Inflow Coupling for Zonal LES
von: Blind, Marcel, et al.
Veröffentlicht: (2023)

SmartFlow: A CFD-solver-agnostic deep reinforcement learning framework for computational fluid dynamics on HPC platforms
von: Xiao, Maochao, et al.
Veröffentlicht: (2025)

Investigation of Numerical Diffusion in Aerodynamic Flow Simulations with Physics Informed Neural Networks
von: Warey, Alok, et al.
Veröffentlicht: (2021)

Active learning of data-assimilation closures using Graph Neural Networks
von: Quattromini, Michele, et al.
Veröffentlicht: (2023)

Towards Active Flow Control Strategies Through Deep Reinforcement Learning
von: Montalà, Ricard, et al.
Veröffentlicht: (2024)

Efficient Active Flow Control Strategy for Confined Square Cylinder Wake Using Deep Learning-Based Surrogate Model and Reinforcement Learning
von: Zhang, Meng, et al.
Veröffentlicht: (2024)

Optimal Parallelization Strategies for Active Flow Control in Deep Reinforcement Learning-Based Computational Fluid Dynamics
von: Jia, Wang, et al.
Veröffentlicht: (2024)

Active Flow Control for Bluff Body Drag Reduction Using Reinforcement Learning with Partial Measurements
von: Xia, Chengwei, et al.
Veröffentlicht: (2023)

Active Flow Control for Bluff Body under High Reynolds Number Turbulent Flow Conditions Using Deep Reinforcement Learning
von: Chen, Jingbo, et al.
Veröffentlicht: (2024)

Time-Dependent Strategy for Improving Aortic Blood Flow Simulations with Boundary Control and Data Assimilation
von: Anwar, Muhammad Adnan, et al.
Veröffentlicht: (2024)

Active Control of Flow over Rotating Cylinder by Multiple Jets using Deep Reinforcement Learning
von: Dobakhti, Kamyar, et al.
Veröffentlicht: (2023)

Model Predictive and Reinforcement Learning Methods for Active Flow Control of an Airfoil with Dual-point Excitation of Plasma Actuators
von: Ghaemi, AmirHossein, et al.
Veröffentlicht: (2025)

Neural-Network-based Viscosity Closure for Non-Newtonian Multiphase Flows
von: Murugaiyan, Suresh, et al.
Veröffentlicht: (2026)

Active Control of Turbulent Airfoil Flows Using Adjoint-based Deep Learning
von: Liu, Xuemin, et al.
Veröffentlicht: (2025)

Dynamic Flow Control Through Active Matter Programming Language
von: Yang, Fan, et al.
Veröffentlicht: (2022)

Optimized Flow Control based on Automatic Differentiation in Compressible Turbulent Channel Flows
von: Wang, Wenkang, et al.
Veröffentlicht: (2024)

Flow and Noise Control of a Cylinder with Annular Plates
von: Eydi, Faezeh
Veröffentlicht: (2025)

Tackling Compressible Turbulent Multi-Component Flows with Dynamic hp-Adaptation
von: Mossier, Pascal, et al.
Veröffentlicht: (2025)

Frequency Scaling Laws for Flat Plate Wing Active Separation Control
von: Vey, Stefan, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks for Transonic Flows around an Airfoil
von: Wassing, Simon, et al.
Veröffentlicht: (2024)

Mass-Transfer Control With Microbubbles in Highly Turbulent Decaying Flows
von: Kumar, Vivek, et al.
Veröffentlicht: (2026)

Reinforcement Learning-Based Closed-Loop Airfoil Flow Control
von: Liu, Qiong, et al.
Veröffentlicht: (2025)

Computational And Experimental Study of Spanwise Synthetic Jet Flow Control
von: Ho, Howard, et al.
Veröffentlicht: (2024)

Visualizing Three-Dimensional Effects of Synthetic Jet Flow Control
von: Machado, Adnan, et al.
Veröffentlicht: (2023)

Discovery of Sparse Invariant Subgrid-Scale Closures via Dissipation-Controlled Training for Large Eddy Simulation on Anisotropic Grids
von: Friess, Samantha, et al.
Veröffentlicht: (2026)

Role of Duty Cycle in Burst-Modulated Synthetic Jet Flow Control
von: Machado, Adnan, et al.
Veröffentlicht: (2024)

Evaluating simulation techniques for lubricant distribution in gearboxes
von: Murthy, Pawan S., et al.
Veröffentlicht: (2025)

Identification of Settling Velocity with Physics Informed Neural Networks For Sediment Laden Flows
von: Delcey, Mickaël, et al.
Veröffentlicht: (2024)

Numerical Insights on Controlled Droplet Formation in a Microfluidic Flow-Focusing Device
von: Sontti, Somasekhara Goud, et al.
Veröffentlicht: (2025)

Inferring the Turbulent Breakup of Colloidal Aggregates Using Graph Neural Networks
von: Buzzicotti, Michele, et al.
Veröffentlicht: (2026)

Searching for Invariant Solutions to Wall-Bounded Flows using Resolvent-Based Optimisation
von: Burton, Thomas, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks for Weakly Compressible Flows Using Galerkin-Boltzmann Formulation
von: Aygun, Atakan, et al.
Veröffentlicht: (2024)

A Framework of Data Assimilation for Wind Flow Fields by Physics-informed Neural Networks
von: Yan, Chang, et al.
Veröffentlicht: (2024)

Acoustics-based Active Control of Unsteady Flow Dynamics using Reinforcement Learning Driven Synthetic Jets
von: Rout, Siddharth, et al.
Veröffentlicht: (2023)

Learning Pore-scale Multi-phase Flow from Experimental Data with Graph Neural Network
von: Gu, Yuxuan, et al.
Veröffentlicht: (2024)

BOATS: Bayesian Optimization for Active Control of ThermoacousticS
von: Dharmaputra, Bayu, et al.
Veröffentlicht: (2024)