Все выпуски

Последние годы получило широкое распространение применение нейросетевых моделей для решения задач аэродинамики. В основном такие модели, обученные по некоторому набору ранее полученных решений, позволяют предсказывать решения новых задач и являются в некотором смысле алгоритмами интерполяции. Альтернативным подходом может служить построение нейросетевого оператора, представляющего собой нейросетевую модель, которая воспроизводит поведение численного метода решения задачи. Такая модель позволяет находить решение задачи итерациями. В работе рассматривается вариант построения такого оператора с применением нейронной сети типа UNet с пространственным механизмом внимания для решения задач обтекания на прямоугольной равномерной сетке, общей для обтекаемого тела и поля течения. Для уточнения полученного решения предлагается и исследуется механизм коррекции решения. Анализируется вопрос устойчивости такого алгоритма решения стационарной задачи, проводится сравнение с некоторыми другими вариантами его построения: прием с продвижением вперед (pushforward trick), позиционное встраивание. Рассматривается вопрос выбора набора итераций для формирования обучающей выборки. Оценивается поведение решения при многократном применении нейросетевого оператора.

Демонстрация метода приводится для случая обтекания скругленной пластины турбулентным потоком воздуха с различными вариантами скругления при фиксированных параметрах набегающего потока с числом Рейнольдса $\text{Re} = 10^5$ и числом Маха $M = 0,15$. Поскольку течения с такими параметрами набегающего потока можно считать несжимаемыми, исследуются непосредственно только компоненты скорости. При этом нейросетевая модель, используемая для построения оператора, имеет общий декодер для обеих компонент скорости. Проводится сравнение полей течения и профилей скорости по нормали и по обводу тела, полученных нейросетевым оператором и численно. Анализ проводится как на пластине, так и на скруглении. Результаты моделирования подтверждают, что нейросетевой оператор позволяет находить решение с высокой точностью устойчивым образом.

Одна из серьезных проблем, ограничивающих применение импульсных нейронных сетей в прикладных информационных системах, — это кодирование числовых данных в виде последовательностей спайков — бескачественных атомарных объектов, которыми обмениваются нейроны в импульсных нейросетях. Особенно остро эта проблема стоит в задачах обучения с подкреплением агентов, функционирующих в динамичном реальном мире, так как кроме точности кодирования надо учитывать еще его динамические характеристики. Одним из распространенных является метод кодирования гауссовыми рецептивными полями (ГРП). В этом методе одна числовая переменная, подаваемая на вход импульсной нейронной сети, представляется потоками спайков, испускаемых некоторым количеством входных узлов сети. При этом частота генерации спайков каждым входным узлом отражает близость текущего значения этой переменой к значению — центру рецептивного поля, соответствующего данному входному узлу. В стандартном методе ГРП центры рецептивных полей расположены эквидистантно. Это оказывается неэффективным в случае очень неравномерного распределения кодируемой величины. В настоящей работе предлагается усовершенствование этого метода, основанное на адаптивном выборе центров рецептивных полей и вычислении частот потоков спайков. Производится сравнение предлагаемого усовершенствованного метода ГРП с его стандартным вариантом с точки зрения объема сохраняемой при кодировании информации и с точки зрения точности классификационной модели, построенной на закодированных в виде спайков данных. Доля сохраняемой при спайковом кодировании информации для стандартного и адаптивного ГРП оценивается с помощью процедуры прямого и обратного кодирования большой выборки числовых значений из треугольного распределения вероятности и сравнения числа совпадающих бит в исходной и восстановленной выборке. Сравнение на основе точности классификации проводилось на задаче оценки текущего состояния, возникающей при реализации обучения с подкреплением. При этом классификационные модели строились тремя принципиально различными алгоритмами машинного обучения — алгоритмом ближайших соседей, случайным лесом решений и многослойным персептроном. В статье демонстрируется преимущество предложенного нами метода во всех проведенных тестах.

В работе рассматривается задача параметрической идентификации дискретных линейных стохастических систем, представленных уравнениями в пространстве состояний, с аддитивными и мультипликативными шумами. Предполагается, что уравнения состояния и измерения дискретной линейной стохастической системы зависят от неизвестного параметра, подлежащего идентификации.

Представлен новый подход к построению градиентных методов параметрической идентификации в классе дискретных линейных стохастических систем с аддитивными и мультиплика- тивными шумами, основанный на применении модифицированной взвешенной ортогонализации Грама – Шмидта (MWGS) и алгоритмов дискретной фильтрации информационного типа.

Основными теоретическими результатами данной работы являются: 1) новый критерий идентификации в терминах расширенного информационного LD-фильтра; 2) новый алгоритм вычисления значений производных по параметру неопределенности дискретной линейной стохастической системы в расширенном информационном LD-фильтре на основе прямой процедуры модифицированной взвешенной ортогонализации Грама – Шмидта; 3) новый метод вычисления градиента критерия идентификации на основе предложенного дифференцированного расширенного информационного LD-фильтра.

Преимуществом предложенного подхода является применение численно устойчивой к ошибкам машинного округления MWGS-ортогонализации, лежащей в основе разработанных методов и алгоритмов. Информационный LD-фильтр сохраняет симметричность и положительную определенность информационных матриц. Разработанные алгоритмы имеют блочно-матричную структуру, удобную для компьютерной реализации.

Все разработанные алгоритмы реализованы на языке MATLAB. Проведены серии численных экспериментов, результаты которых демонстрируют работоспособность предложенного подхода на примере решения задачи идентификации параметров математической модели сложной механической системы.

Полученные результаты могут быть использованы для построения методов параметрической идентификации математических моделей, представленных в пространстве состояний дискретными линейными стохастическими системами с аддитивными и мультипликативными шумами.

Данная работа посвящена сравнению двух критериев однородности: критерия χ², основанного на таблицах сопряженности признаков 2 × 2, и критерия однородности, основанного на асимптотических распределениях суммируемых квадратичных уклонений оценок функции распределения в модели зависимости «доза–эффект». Оценка мощности критериев производится при помощи компьютерного моделирования. Для построения функций эффективности используется метод ядерной оценки регрессии, основанный на оценке Надарая–Ватсона.

В данной статье рассматриваются процессы теплопроводности, сопровождающиеся фазовыми переходами первого рода. При помощи клеточно-автоматного моделирования был исследован класс задач, имеющих широкое применение в практической деятельности. В работе приведены вычисления распределения температуры по глубине почвы в разные моменты времени для задачи промерзания влажного грунта. Другая задача — зонное выращивание — также смоделирована с помощью клеточных автоматов. Совпадение реальных и модельных параметров системы подтверждает целесообразность использования выбранного способа моделирования физических процессов.

В статье приводятся результаты верификационных расчетов в программном комплексе вычислительной аэро-, гидродинамики FlowVision характеристик сверхзвуковых турбулентных струй. Численное моделирование в статье охватывает несколько известных экспериментов по исследованию сверхзвуковых струй, находящихся в свободном доступе. Представленные тестовые случаи включают в себя тесты Сейнера с числом Маха на срезе $M = 2$ при расчетном $(n = 1)$ и нерасчетном $(n = 1.47)$ истечении из сопла в широком диапазоне температур газа. В работе также проведен численный эксперимент по распространению сверхзвуковой струи в спутном сверхзвуковом потоке $M = 2.2$. Для данного теста заданы параметры, определенные в эксперименте Putnam: степень понижения давления в сопле $\mathrm{NPR} = 8.12$ и полная температура $T = 317 \, \mathrm{K}$.

Показано сравнение расчетов FlowVision с экспериментальными и полученными в других расчетных кодах данными. Наилучшее совпадение с экспериментом Сейнера среди рассмотренных моделей турбулентности получено при использовании стандартной $k–\varepsilon$ модели турбулентности с установленной поправкой на сжимаемость по модели Wilcox. Достигнуто согласование с экспериментальными данными на дальнем следе до 7 % по скорости потока на оси сопла. Для струи в спутном потоке расчетная характеристика (число Маха) отличается на 3 % от экспериментальной.

В работе определены общие рекомендации к построению методики моделирования FlowVision сверхзвуковых турбулентных струй. В ходе исследования сходимости по сетке получены оптимальные размеры ячеек расчетной сетки: для расчетного истечения достаточно 40 ячеек по радиусу сопла и в области формирования струи, а для нерасчетных режимов необходимо не менее 80 ячеек по радиусу для точного моделирования ударно-волновой структуры вблизи выхода из сопла.

Влияние применяемых моделей турбулентности показано на примере расчета теста Сейнера. SST-модель турбулентности, применяемая в FlowVision, существенно занижает скорость на оси сопла, для расчета струй данная модель не рекомендуется даже для предварительных оценок. Стандартная $k–\varepsilon$ модель без учета сжимаемости также несколько занижает скорость газа. Модель турбулентности KEFV, разработанная для FlowVision, показывает хорошее согласование и несколько завышает «дальнобойность» струи. И наилучшее совпадение с экспериментом по исследуемым характеристикам турбулентных струй получено при расчетах на стандартной $k–\varepsilon$ модели с учетом сжимаемости, соответствующей модели Wilcox. Представленная методика может быть взята за основу при моделировании истечения из сверхзвуковых сопел более сложной геометрии.

Исследование сложных процессов в различных сферах человеческой деятельности традиционно основывается на использовании математических моделей. В современных условиях разработка и применение подобных моделей существенно упрощаются наличием быстродействующих средств вычислительной техники и специализированных инструментальных средств, позволяющих, по существу, конструировать модели из заранее подготовленных модулей. Несмотря на это, известные проблемы, связанные с обеспечением адекватности модели, достоверности исходных данных, реализацией на практике результатов моделирования, чрезмерно большой размерностью исходных данных, совместным применением достаточно разнородных математических моделей в условиях усложнения и интеграции моделируемых процессов, приобретают растущую актуальность. Еще более критичными могут являться внешние ограничения, накладываемые на значение оптимизируемого функционала и нередко не достижимые в рамках построенной модели. Логично предположить, что для выполнения этих ограничений необходима целенаправленная трансформация исходной модели, то есть переход к математической модели с заведомо «улучшенным» решением. Новая модель, очевидно, будет иметь иную внутреннюю структуру (совокупность параметров и их взаимосвязи), а также иные форматы (области определения) исходных данных. Исследованные авторами возможности целенаправленного изменения первоначальной модели основаны на реализации идеи стратегической рефлексии.

В математическом плане практическая реализация авторского замысла оказывается наиболее сложной при использовании имитационных моделей, для которых алгоритмы поиска оптимальных решений имеют известные ограничения, а исследование на чувствительность в большинстве случаев весьма затруднительно. На примере рассмотрения достаточно стандартной дискретно-событийной имитационной модели в статье приводятся типовые методические приемы, позволяющие осуществить ранжирование вариабельных параметров по чувствительности и в дальнейшем расширить область определения вариабельного параметра, к которому имитационная модель наиболее чувствительна. При переходе к «улучшенной» модели возможно также одновременное исключение из нее параметров, влияние которых на оптимизируемый функционал несущественно, и, наоборот, введение в модель новых параметров, соответствующих реальным процессам.

Предлагается новый тип космологических моделей, космологических моделей для Вселенной, не имеющей Начала, то есть существовавшей всегда, и эволюционирующей из бесконечно далекого прошлого.

Предлагаемые космологические модели являются альтернативными по отношению к космологическим моделям, основывающимся на так называемой теории Большого взрыва, по которой Вселенная имеет конечный возраст и произошла из начальной сингулярности.

В этой теории, по нашему мнению, есть определенные проблемы, которые в предлагаемых нами космологических моделях мы избегаем.

В наших космологических моделях Вселенная, развиваясь из бесконечно далекого прошлого, сжимаясь, достигает конечного минимума расстояний между объектами порядка комптоновской длины волны $\lambda_C$ адронов и максимальной плотности вещества, соответствующей адронной эре Вселенной, и затем расширяется, проходя все стадии своей эволюции, установленные астрономическими наблюдениями, вплоть до эры инфляции.

Материальной основой, обеспечивающей принципиальный характер эволюции Вселенной в предлагаемых космологических моделях, является нелинейное дираковское спинорное поле $\psi (x^k)$ с нелинейностью в лагранжиане поля типа $\beta (\bar\psi\psi)^n$ ($\beta = const$, $n$ — рациональное число), где $\psi(x^k)$ — 4-компонентный дираковский спинор, а $\bar{\psi}$ — сопряженный спинор.

Кроме спинорного поля $\psi$ в космологических моделях у нас присутствуют и другие компоненты материи в виде идеальной жидкости с уравнением состояния $p = w\varepsilon$ ($w = const$), при различных значениях коэффициента $w$ $(−1 < w < 1)$, которые обеспечивают эволюцию Вселенной с надлежащими периодами развития в соответствии с установленными наблюдаемыми данными. Здесь $p$ — давление, $\varepsilon = \rho c^2$ — плотность энергии, $\rho$ — плотность массы, а $c$ — скорость света в вакууме.

Оказалось, что наиболее близкими к реальности являются космологические модели с нелинейным спинорным полем с показателем нелинейности $n = 2$.

В этом случае нелинейное спинорное поле представляется уравнением Дирака с кубической нелинейностью.

Но такое уравнение есть нелинейное спинорное уравнение Иваненко–Гейзенберга, которое В. Гейзенберг взял в качестве основы для построения единой спинорной теории материи.

Удивительное совпадение, что одно и то же нелинейное спинорное уравнение может быть основой для построения теории двух разных фундаментальных объектов природы, эволюционирующей Вселенной и физической материи.

Разработки представляемых космологических моделей дополняются их компьютерными исследованиями, результаты которых в работе представлены графически.

В работе представлены результаты численного моделирования в программном комплексе FlowVision турбулентного перемешивания потоков воды разнойтемпер атуры в Т-образной трубе. В статье детально описан экспериментальный стенд, специально спроектированный с целью получения простых для большинства программных комплексов вычислительной гидродинамики граничных условий. По результатам испытаний получены значения осредненных во времени температур и скоростей в контрольных датчиках и плоскостях. В статье представлена используемая при расчете система дифференциальных уравнений в частных производных, описывающая процесс тепломассопереноса в жидкости с использованием модели турбулентности Смагоринского. Указаны граничные условия, посредством которых задаются случайные пульсации скорости на входе в расчетную область. Моделирование выполнено на различных расчетных сетках, для которых оси глобальной системы координат совпадают с направлениями потоков горячей и холодной воды. Для ПК FlowVision показана возможность построения расчетной сетки в процессе моделирования на основании изменения параметров течения. Оценено влияние подобного алгоритма построения расчетной сетки на результаты расчетов. Приведены результаты расчетов на диагональной сетке с использованием скошенной схемы (направление координатных линий не совпадает с направлением осей труб тройника). Показана высокая эффективность скошенной схемы при моделировании потоков, генеральные направления которых не совпадают с гранями расчетных ячеек. Проведено сравнение результатов моделирования на различных расчетных сетках. По результатам численного моделирования в ПК FlowVision получены распределения осредненных по времени скорости и температуры воды в контрольных сечениях и датчиках. Представлено сравнение численных результатов, полученных в ПК FlowVision, с экспериментальными данными и расчетами, выполненными с использованием других вычислительных программ. Результаты моделирования турбулентного перемешивания потока воды разной температуры в ПК FlowVision ближе к экспериментальным данным в сравнении с расчетами в CFX ANSYS. Показано, что применение LES-модели турбулентности на сравнительно небольших расчетных сетках в ПК FlowVision позволяет получать результаты с погрешностью в пределах 5 %.

Рассматривается конечномерная оптимизационная задача, постановка которой, помимо искомых переменных, содержит параметры. Ее решение есть зависимость оптимальных значений переменных от параметров. В общем случае такие зависимости не являются функциями, поскольку могут быть неоднозначными, а в функциональном случае — быть недифференцируемыми. Кроме того, область их существования может оказаться уже области определения функций в условии задачи. Эти свойства затрудняют решение как исходной задачи, так и задач, в постановку которых входят данные зависимости. Для преодоления этих затруднений обычно применяются методы типа недифференцируемой оптимизации.

В статье предлагается альтернативный подход, позволяющий получать решения параметрических задач в форме, лишенной указанных свойств. Показывается, что такие представления могут исследоваться стандартными алгоритмами, основанными на формуле Тейлора. Данная форма есть функция, гладко аппроксимирующая решение исходной задачи. При этом величина погрешности аппроксимации регулируется специальным параметром. Предлагаемые аппроксимации строятся с помощью специальных функций, устанавливающих обратные связи между переменными и множителями Лагранжа. Приводится краткое описание этого метода для линейных задач с последующим обобщением на нелинейный случай.

Построение аппроксимации сводится к отысканию седловой точки модифицированной функции Лагранжа исходной задачи. Показывается, что необходимые условия существования такой седловой точки подобны условиям теоремы Каруша – Куна – Таккера, но не содержат в явном виде ограничений типа неравенств и условий дополняющей нежесткости. Эти необходимые условия аппроксимацию определяют неявным образом. Поэтому для вычисления ее дифференциальных характеристик используется теорема о неявных функциях. Эта же теорема применяется для уменьшения погрешности аппроксимации.

Особенности практической реализации метода функций обратных связей, включая оценки скорости сходимости к точному решению, демонстрируются для нескольких конкретных классов параметрических оптимизационных задач. Конкретно: рассматриваются задачи поиска глобального экстремума функций многих переменных и задачи на кратный экстремум (максимин-минимакс). Также рассмотрены оптимизационные задачи, возникающие при использовании многокритериальных математических моделей. Для каждого из этих классов приводятся демонстрационные примеры.