Annual Review of Fluid Mechanics· 2019Q1· Derleme
Akışkanlar Mekaniği için Makine Öğrenmesi
Machine Learning for Fluid Mechanics
- 2.675atıf
- Q1SCImago
- 2019yıl
Kısa özet
Akışkanlar mekaniğindeki büyük verilerden bilgi çıkarmak için makine öğrenmesi (ML) teknikleri giderek daha hayati hale gelmekte, akışları anlama, modelleme ve kontrol etme konusunda yeni yollar sunmaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- ML, akışkanlar mekaniğindeki büyük veri kümelerinden (deneyler, simülasyonlar, saha ölçümleri) bilgi çıkarır.
- ML teknikleri alan bilgisini artırabilir ve akış kontrolü/optimizasyonunu otomatikleştirebilir.
- Makale, akışkan akışlarını anlama, modelleme ve kontrol etme için ML metodolojilerini gözden geçirmektedir.
- ML, akışkanlar mekaniği araştırmalarını ve endüstriyel uygulamalarını dönüştürme potansiyeli sunar.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
The field of fluid mechanics is rapidly advancing, driven by unprecedented volumes of data from experiments, field measurements, and large-scale simulations at multiple spatiotemporal scales. Machine learning (ML) offers a wealth of techniques to extract information from data that can be translated into knowledge about the underlying fluid mechanics. Moreover, ML algorithms can augment domain knowledge and automate tasks related to flow control and optimization. This article presents an overview of past history, current developments, and emerging opportunities of ML for fluid mechanics. We outline fundamental ML methodologies and discuss their uses for understanding, modeling, optimizing, and controlling fluid flows. The strengths and limitations of these methods are addressed from the perspective of scientific inquiry that considers data as an inherent part of modeling, experiments, and simulations. ML provides a powerful information-processing framework that can augment, and possibly even transform, current lines of fluid mechanics research and industrial applications.
Yazarların özeti; kaynağından alınmıştır. Annual Review of Fluid Mechanics, 2019 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: İstatistiksel ve Doğrusal Olmayan Fizik
Statistical and Nonlinear PhysicsPhysics and Astronomy