深層学習による粘弾性流体乱流の予測可能性に関する調査

摘要

粘弾性流体は非ニュートン流体の一種であり，水にポリマーや界面活性剤を添加することで得られる粘性と弾性をもつ流体である．この種類の流体は，壁乱流において摩擦抵抗低減効果を持つ(1)ため工学的に重要であり，実際に，オイルパイプラインや地域冷暖房システムにおける流体輸送の省エネルギに貢献している．しかし，上記の抵抗低減効果や弾性乱流などの複雑な流動現象のメカニズムは未解明であるため，水路実験に加えて，FENE-PモデルやGiesekusモデルの構成方程式を用いた直接数値計算（Direct Numerical Simulation:DNS）による研究が盛んに行われている．さらに構成方程式に内在する数値不安定性のために，DNSが困難(2)という課題が依然として残っている．