Redes neurais informadas por física para resolver as equações de Navier-Stokes médias de Reynolds

Redes neurais informadas por física (PINNs) são métodos de aprendizado de máquina bem-sucedidos para a solução e identificação de equações diferenciais parciais. Nós usamos PINNs para resolver as equações de Navier-Stokes médias de Reynolds para fluxos turbulentos incompressíveis sem qualquer modelo ou suposição específica para a turbulência e apenas utilizando os dados nas bordas do domínio. Primeiro, mostramos a aplicabilidade das PINNs para resolver as equações de Navier-Stokes para fluxos laminares ao resolver a camada limite de Falkner-Skan. Em seguida, aplicamos PINNs para a simulação de quatro casos de fluxo turbulento, ou seja, camada limite com gradiente de pressão zero, camada limite com gradiente de pressão adverso, e fluxos turbulentos sobre um aerofólio NACA4412 e a colina periódica. Nossos resultados mostram a excelente aplicabilidade das PINNs para fluxos laminares com fortes gradientes de pressão, onde previsões com menos de 1% de erro podem ser obtidas. Para fluxos turbulentos, também obtemos uma precisão muito boa nos resultados das simulações, mesmo para os componentes de estresse de Reynolds.