Turbulência Lagrangiana sintética por modelos de difusão generativa

A turbulência Lagrangiana está no cerne de numerosos problemas aplicados e fundamentais relacionados à física da dispersão e mistura em engenharia, biofluidos, atmosfera, oceanos e astrofísica. Apesar de esforços teóricos, numéricos e experimentais excepcionais realizados ao longo dos últimos 30 anos, nenhum modelo existente é capaz de reproduzir fielmente as propriedades estatísticas e topológicas exibidas pelas trajetórias de partículas na turbulência. Propomos uma abordagem de aprendizado de máquina, baseada em um modelo de difusão de última geração, para gerar trajetórias de partículas únicas em turbulência tridimensional a altos números de Reynolds, evitando assim a necessidade de simulações numéricas diretas ou experimentos para obter dados Lagrangianos confiáveis. Nosso modelo demonstra a capacidade de reproduzir a maioria dos benchmarks estatísticos em várias escalas de tempo, incluindo a distribuição de cauda gorda para incrementos de velocidade, a lei de potência anômala e a intermitência aumentada em torno da escala dissipativa. Desvios sutis são observados abaixo da escala dissipativa, particularmente nas estatísticas de aceleração e achatamento. Surpreendentemente, o modelo apresenta forte generalizabilidade para eventos extremos, produzindo eventos de maior intensidade e raridade que ainda se ajustam às estatísticas realistas. Isso pavimenta o caminho para a produção de conjuntos de dados sintéticos de alta qualidade para pré-treinamento de várias aplicações posteriores da turbulência Lagrangiana.