Четвертый этап проекта

Аннотация

Моделирование газовых потоков и жидкостей традиционными методами, такими как уравнения Навье-Стокса, требует значительных вычислительных ресурсов. Методы LGA и LBE предлагают альтернативу, упрощая вычисления при сохранении физической достоверности.

Дата
мая 1, 2025 — мая 16, 2025
Место
РУДН, ФФМиЕН

Видеопрезентация четвертого этапа группового проекта:

Защита 4 этапа проекта, МатМод на RUTUBE

Подробно ознакомиться с презентацией проекта вы можете в Слайдах.
Прочитать полный отчёт можно во вкладке Публикации (4 этап). Там же находится pdf-формат отчёта.

Постановка проблемы

Моделирование газовых потоков и жидкостей традиционными методами, такими как уравнения Навье-Стокса, требует значительных вычислительных ресурсов.

Методы LGA и LBE предлагают альтернативу, упрощая вычисления при сохранении физической достоверности.

Актуальность

  1. Исследования сложных многокомпонентных течений.
  2. Течений с фазовыми переходами и химическими реакциями.
  3. Создания высокопроизводительных параллельных алгоритмов.

Задачи этапа

  1. Анализировать результаты тестирования модели
  2. Обсудить в команде итоги работы
  3. Оценить качество реализации проекта, в частности, написанного кода
  4. Подготовить материалы для защиты проекта
  5. Провести самооценку деятельности

Основная часть

Итоги первого этапа проекта

  1. Изучили основные принципы решеточных моделей газа (LGA) и решеточного уравнения Больцмана (LBE).

  2. Ознакомились с базовыми моделями: HPP, FHP-I, FHP-III, а также с расширенной моделью с 9 направлениями скорости.

  3. Проанализировали физические свойства этих моделей: симметрию, анизотропию, возможность сохранения импульса и энергии, введение температуры.

  4. Изучили область применимости этих моделей — от моделирования жидкостей до фазовых переходов и химических взаимодействий.

Итоги второго этапа проекта

  1. Мы подробно проанализировали алгоритмы распространения и столкновения частиц в решеточных моделях.

  2. Были рассмотрены способы кодирования состояний узлов с помощью битовых операций, что обеспечило компактность и быстродействие реализации.

  3. Сравнили особенности моделей HPP, FHP-I, FHP-III и LBM, включая их алгоритмическую сложность, вычислительные затраты, физическую реалистичность.

  4. Сделали обоснованный выбор в пользу модели HPP, как стартовой точки: она проще в реализации, но при этом позволяет продемонстрировать ключевые принципы решеточного моделирования.

Итоги третьего этапа проекта

  1. Мы реализовали модель HPP на языке Julia.

  2. Было реализовано три тестовых сценария, проверяющих:

  • корректность перемещения одной частицы;

  • корректность лобового столкновения;

  • поведение при угловом столкновении четырёх частиц.

  • Созданы анимации (GIF), наглядно демонстрирующие ход моделирования, а также сохранение физических величин во времени.

Распределение ролей и организация взаимодействия

  • Теоретический анализ - все участники, с последующим обсуждением на общем собрании.
  • Программная реализация - основная ответственность легла на участников с наиболее сильными навыками программирования на Julia.
  • Тестирование и визуализация - совместная работа.
  • Оформление отчёта и презентаций - по частям, с последующим коллективным редактированием.

Коллективное обсуждение решений

  • Как лучше реализовать периодические граничные условия?
  • Как структурировать код для удобства тестирования?
  • Какие тесты наиболее полно проверяют корректность модели?
  • Как визуализировать результаты, чтобы они были максимально наглядными?
Таисия Ганина
Таисия Ганина
Студентка группы НФИбд-01-22

Исследования в области современных методов классификации объектов на изображениях.

Олеся Абакумова
Олеся Абакумова
Студентка группы НФИбд-02-22

Мои научные интересы охватывают области дифференциальной геометрии,математического моделирования и механики.

Дарья Ибатулина
Дарья Ибатулина
Студентка группы НФИбд-01-22

Мои научные интересы охватывают области искусственного интеллекта, больших данных и нейронных сетей

Анастасия Астраханцева
Анастасия Астраханцева
Студентка группы НФИбд-01-22

Мои научные интересы охватывают области исскуственного интеллекта, больших данных и машинного обучения.