🔹Titolo: Modeling and controlling turbulent flows through deep learning
🔹Speaker: Ricardo Vinuesa (KTH Royal Institute of Technology, Stoccolma)
🔹 Abstract: L'avvento di nuove potenti reti neurali profonde (DNN) ha favorito la loro applicazione in un'ampia gamma di aree di ricerca, inclusa più recentemente nella meccanica dei fluidi. In questa presentazione, tratteremo alcuni dei fondamenti del deep learning applicati alla fluidodinamica computazionale (CFD). Inoltre, esploreremo le capacità dei DNN di eseguire varie previsioni in flussi turbolenti: utilizzeremo le reti neurali convoluzionali (CNN) per il rilevamento non intrusivo, ovvero per prevedere il flusso in un canale aperto turbolento in base alle quantità misurate alla parete. Mostreremo che è possibile ottenere ottime previsioni di flusso, superando i modelli lineari tradizionali, e mostreremo il potenziale dell'apprendimento del trasferimento tra i numeri di Reynolds di attrito di 180 e 550. Discuteremo anche di altri metodi di modellazione basati su autoencoder (AE) e contraddittorio generativo reti (GAN) e presenteremo i risultati del controllo del flusso basato sull'apprendimento del rinforzo profondo.
