Dissertação
Simulating Particle-Based Fluid Dynamics with Learnable Deep Graph Networks EVALUATED
Desde o fim do inverno de Inteligência Artificial na década de 1980, inúmeras áreas de estudo científicas beneficiaram da investigação levada a cabo em aprendizagem automática. A mecânica dos fluidos não foi exceção, e várias tentativas foram bem sucedidas na utilização de aprendizagem automática como uma ferramenta para analizar e explorar os padrões que surgem na maneira como os fluidos se comportam. Este trabalho usa um modelo do estado da arte de aprendizagem profunda para aprender a dinâmica de fluidos e simular como eles escoam sem a necessidade de resolver as equações da física que governam o fenómeno. O modelo proposto é baseado numa arquitetura de Graph Networks, que toma como input um grafo cujos nós representam partículas de fluido e as arestas representam interações entre elas. O modelo executa passos sequenciais de cálculos que envolvem os nós que estão conectados por arestas para prever como o fluido escoa. O modelo é treinado em dados gerados com Smoothed Particle Hydrodynamics, um método lagrangiano em Mecânica dos Fluidos Computacional que simula fluidos como um conjunto de partículas. Uma compreensão mais profunda de como este método funciona é também desenvolvida e as suas vantagens e desvantagens são estudadas. Os resultados mostram que o modelo consegue aprender a dinâmica dos escoamentos de fluidos e generalizar para diferentes cenários físicos que não fizeram parte da distribuição de treino.
novembro 29, 2022, 11:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Duarte Manuel Salvador Freire Silva de Albuquerque
Presidência do Departamento de Engenharia Mecânica
