ipmash@ipme.ru | +7 (812) 321-47-78
пн-пт 10.00-17.00
Институт Проблем Машиноведения РАН ( ИПМаш РАН ) Институт Проблем Машиноведения РАН ( ИПМаш РАН )

Institute for Problems in Mechanical Engineering
of the Russian Academy of Sciences

Institute for Problems in Mechanical Engineering of the Russian Academy of Sciences

Заседание 250 "Расчёт релаксационных членов в задачах поуровневой кинетики с помощью методов машинно

DateTime Event:
17:30
Адрес проведения:
Zoom https://us02web.zoom.us/j/81977225228?pwd=U1JEanFKNzZtT1dvUldGWG9IZWJ1QT09 Идентификатор конференции: 819 7722 5228 Код доступа: F4F7YL
Theme:
Расчёт релаксационных членов в задачах поуровневой кинетики с помощью методов машинного обучения
Eventagenda:

Заседание 250

ONLINE ZOOM

9 ноября 2021 г. в 17.30

М.А. Бушмакова (СПбГУ)

Расчёт релаксационных членов в задачах поуровневой кинетики с помощью методов машинного обучения

Релаксационные члены характеризуют изменение заселенностей колебательных уровней молекул и концентраций атомов в результате различных видов энергообмена и химических реакций. Они являются правыми частями системы дифференциальных уравнений для макроскопических параметров газа, описывающих течения многокомпонентных реагирующих смесей газов в условиях сильной колебательной и химической неравновесности. Обычные методы вычисления релаксационных членов являются вычислительно трудоемкими, поскольку они предполагают многократное суммирование, а также вычисление большого числа коэффициентов скорости переходов колебательной энергии и химических реакций. В этой работе оценивается возможность оценки релаксационных членов методами машинного обучения и сравнивается эффективность двух моделей, обученных на выборках, посчитанных с помощью методов SSH и FHO, для случая релаксации VT и VV в смеси O2-O. Затем решение нульмерной задачи, полученное с помощью алгоритмов ML, сравнивается с решением с помощью методов SSH и FHO. Показано, что алгоритм k-ближайших соседей обеспечивает наилучшее соотношение точность/эффективность и может быть рекомендован для дальнейших исследований. Кроме того, используя алгоритмы машинного обучения, можно уменьшить время вычислений.

Мария Андреевна Бушмакова – студентка магистратуры кафедры гидроаэромеханики математико-механического факультета Санкт-Петербургского государственного университета. Научный руководитель - проф. Е.В. Кустова.

Докладчик
Фамилия докладчика М.А. Бушмакова (СПбГУ)
Используя этот сайт, вы соглашаетесь с тем, что мы используем файлы cookie.