Super-résolution par apprentissage automatique guidé par la physique : évaluation pour la convection turbulente
Résumé
We are interested in methods for predicting a temperature 2D-field in a turbulent Rayleigh-Benard flow (Ra = 2 · 109
) from shadowgraphes. For this purpose, convolutional neurons forming auto-encoder or U-Net are used. An asymmetric architecture is proposed to obtain with more spatial detail than the data and with lower parameter costs compared to auto-encoders. First promising results are obtained.
On s'intéresse aux méthodes de prédiction d'un champ de température dans un écoulement turbulent de Rayleigh-Bénard (Ra = 2•10 9) à partir d'images d'ombroscopie. Pour cela, on a recours à des neurones convolutifs assemblés sous la forme d'un auto-encodeur ou d'un réseau en U (U-Net). Une architecture dissymétrique est proposée pour obtenir des images plus détaillées que les données et à moindre coût en paramètres en comparaison avec des auto-encodeurs. De premiers résultats prometteurs sont obtenus.
Origine : Fichiers produits par l'(les) auteur(s)