Mecánica de fluidos oculta: aprendizaje de velocidad y campos de presión a partir de visualizaciones de flujo

Área de la Ciencia:

• Dinámica de fluidos
• Física computacional
• Ingeniería biomédica

Sus antecedentes:

• La visualización de flujos ha ayudado históricamente al estudio del movimiento de fluidos en sistemas físicos y biológicos.
• Las ecuaciones de Navier-Stokes describen teóricamente el flujo de fluidos, pero extraer datos cuantitativos como la velocidad y la presión de las observaciones visuales sigue siendo un desafío.
• La medición directa de la dinámica de fluidos puede ser difícil o imposible en muchos escenarios.

Objetivo del estudio:

• Desarrollar un nuevo marco de aprendizaje profundo basado en la física, Hidden Fluid Mechanics (HFM), para superar las limitaciones en la extracción de datos cuantitativos de dinámica de fluidos a partir de observaciones.
• Para crear un marco versátil que codifica las ecuaciones de Navier-Stokes, permitiendo el análisis a través de diversas geometrías y condiciones.
• Demostrar la aplicación práctica de la HFM para extraer información cuantitativa de los sistemas físicos y biomédicos que de otro modo sería inaccesible.

Principales métodos:

• Desarrollado Hidden Fluid Mechanics (HFM), un marco de aprendizaje profundo basado en la física.
• Integrado las ecuaciones de Navier-Stokes directamente en la arquitectura de la red neuronal.
• HFM diseñado para ser agnóstico de geometrías específicas, condiciones iniciales y límite para una amplia aplicabilidad.

Principales resultados:

• Se ha demostrado con éxito la HFM para diversos problemas de flujo físico y biomédico.
• Permitió la extracción de campos cuantitativos de velocidad y presión de los datos de visualización de flujo.
• Demostró la robustez de HFM para imágenes de baja resolución y ruido significativo en datos de observación.

Conclusiones:

• HFM proporciona un enfoque poderoso y basado en datos para analizar cuantitativamente el movimiento del fluido.
• La capacidad del marco para manejar datos ruidosos y de baja resolución abre nuevas posibilidades para la investigación y las aplicaciones de la dinámica de fluidos.
• La HFM ofrece un avance significativo en la mecánica de fluidos, particularmente para escenarios donde la medición directa no es práctica.