Neuer Neural Operator liefert 10 % höhere Genauigkeit bei Mehrphasenströmungen

In der Simulation von Mehrphasenströmungen stellen die komplexen Dynamiken, Feldunterschiede und Interphasenwechsel herkömmliche numerische Verfahren vor große Herausforderungen. Neu entwickelte neuronale Operatoren können zwar schneller arbeiten, erreichen jedoch oft nicht die nötige Auflösung, weil die räumliche Heterogenität und der Mangel an hochwertigen Trainingsdaten die Genauigkeit einschränken.

Die Forscher haben den Interface Information‑Aware Neural Operator (IANO) vorgestellt, ein neues Framework, das gezielt Interfacedaten als physikalische Priorität nutzt. IANO kombiniert zwei innovative Komponenten: Erstens ein interface‑sensitives Mehrfunktionencodierungssystem, das mehrere physikalische Felder und ihre Grenzflächen gleichzeitig modelliert und damit hochfrequente Merkmale an den Interfaces erfasst. Zweitens ein geometriebewusstes Positionsencodierungssystem, das die Beziehung zwischen Interfacedaten, physikalischen Variablen und räumlichen Positionen herstellt und so punktweise Super‑Resolution‑Vorhersagen ermöglicht – selbst bei knappen Daten.

Experimentelle Ergebnisse zeigen, dass IANO die Genauigkeit von Mehrphasenströmungssimulationen um etwa 10 % übertrifft, während es gleichzeitig robust bleibt, wenn Daten knapp oder verrauscht sind. Diese Fortschritte markieren einen bedeutenden Schritt in der effizienten und präzisen Modellierung komplexer Strömungssysteme.