弛豫分解网络（RDN）学习非平衡Boltzmann碰撞动力学

《Results in Engineering》：Learning nonequilibrium Boltzmann collision dynamics with a relaxation-decomposed network

　　

弛豫分解网络（relaxation-decomposed network，RDN）学习非平衡Boltzmann碰撞动力学。RDN学习修正Maxwellian和速度依赖的弛豫时间。研究分析了正性、平衡一致性以及近平衡响应。RDN捕获主要激波结构和三维剪切模式。

论文主体内容解读：Boltzmann方程（描述分子速度分布函数演化的动理论方程）通过分子速度分布的演化描述气体动力学，其碰撞算子（collision operator）经二元碰撞耦合不同速度，并决定分布随物理空间输运时的弛豫行为。该描述在气体偏离局域平衡时尤为重要，例如稀薄流动和陡峭梯度区域。然而，在离散速度空间直接计算碰撞积分计算量很大，因此需要可用于含时动理学模拟的简化碰撞模型。Bhatnagar–Gross–Krrook（BGK）模型以标量弛豫时间向局域Maxwellian弛豫替代Boltzmann碰撞算子，计算简便，但单一弛豫率对不同分子速度响应的控制有限；其扩展模型虽修改目标分布或输运性质并保持较低计算复杂度，但在强变化流动中的行为仍须通过能分辨非平衡输运的量来评估。由分布数据学习局部碰撞响应提供了另一条构建简化模型的途径，其输入为每个物理位置上的分子速度分布，输出为同一速度空间上的碰撞响应；用于动理学求解器时，除宏观场演化外，还须考察碰撞响应一致性、守恒残差和非平衡矩。为此，研究人员在BGK碰撞形式内构建RDN，以两个残差分支分别生成局域Maxwellian的指数修正和每个离散速度节点上的正弛豫时间，从而分别修改分布差及其弛豫速率。该参数化遵循Xiao and Frank的弛豫网络构造，该工作考察其残差子网络实现及所得碰撞算子的局部响应。研究在碰撞不动点处进行一阶和二阶展开，以区分分布映射和速度依赖弛豫频率的贡献；由函数形式确立参数化分布和弛豫时间的正性，并在所需零输入条件下讨论平衡一致性。RDN以参考碰撞响应训练，并与分布函数演化耦合。数值研究包括一维平滑波、Sod激波管、三维顶盖驱动方腔和Ar–Kr振荡Couette流；每个问题单独训练一个网络，因此实验评估的是所述条件下的学习模型，而非流动构型之间的迁移。该研究的意义在于保留弛豫模型可解释性的同时，使碰撞响应能够依赖分子速度上的局部分布，并以非平衡矩检验其结构化近似能力。

关键技术方法（不超过250字）：采用离散速度张量积网格与求积计算宏观矩；以一维波由DGFS求解器生成全Boltzmann轨迹及局部碰撞响应，其他三个基准数据由Jaiswal et al.提供；RDN以两个残差子网络分别学习修正Maxwellian的5个系数和逐速度节点正弛豫时间，并按BGK形式合成碰撞响应；训练目标联合碰撞响应L₂损失、质量与动量守恒软正则及参数正则，随后将各问题专用模型嵌入离散速度方程。对一维波还进行分支消融、守恒残差、τ_θ,k/τˉ和β_k诊断。

研究结果：
5.1 一维波（One-dimensional wave）：通过比较RDN与DGFS和Shakhov结果在Kn=0.01、0.1和1.0下的密度、流向速度和温度剖面，得出RDN复现DGFS剖面的极值位置并保持三个宏观变量间的相位关系，偏差主要集中在梯度最大的极值附近；随Kn增大，剖面弛豫减弱，RDN在Kn=1时仍跟随DGFS轨迹。通过质量、流向动量和能量碰撞残差诊断，得出RDN残差在多数物理域内低于BGK，并与Shakhov残差相当或更小；能量残差有限，说明完整碰撞向量拟合可向能量矩传递信息，但并非精确能量守恒。通过τ_θ,k/τˉ和β_k诊断，得出弛豫时间比同时依赖物理位置和分子速度，β_k在零两侧呈有限分布，非负比例随训练增加，|β_k|≤10^?3比例变化较慢，碰撞响应损失下降并稳定而守恒损失在更小尺度波动。通过分支消融，得出仅修正分布分支时相对碰撞响应误差约0.13，仅速度依赖弛豫时间分支时约0.15，完整RDN约6.7×10^?3；一步分布误差分别约2.4×10^?3、2.9×10^?3，完整RDN约1.3×10^?4，表明两个分支不可互换且联合使用为报告精度所必需。
5.2 Sod激波管（Sod shock tube）：通过在t=0.8、1.6和2.8比较密度、流向速度、温度以及热流q_x、正应力差P_xx?P_yy和归一化量q^*、Π^*，得出RDN复现主要平台、极值、传播方向以及热流和正应力差结构的位置与符号；差异主要出现在转变层峰值高度和局部宽度，尤其强非平衡区域。结论是RDN保留主要传播解并捕捉热流和应力的空间组织，但峰值热流和应力误差界定了其在最强局部非平衡区的精度。
5.3 三维顶盖驱动方腔（Three-dimensional lid-driven cavity）：通过在Kn=1下比较RDN与DSMC（direct simulation Monte Carlo，直接模拟Monte Carlo）的密度、P_xy和P_yz，得出密度相对L₂误差0.45%、相对L_∞误差3.29%、相关0.9971；P_xy相对L₂误差6.98%、相对L_∞误差16.96%、相关0.9971；P_yz相对L₂误差17.33%、相对L_∞误差17.75%、相关0.9856。结论是RDN准确复现低阶密度场和主剪切应力的空间组织，但次级应力分量仍有显著定量误差，三维应力预测而非密度重构是当前方腔模型的主要限制。
5.4 Ar–Kr振荡Couette流（Ar–Kr oscillatory Couette flow）：通过在v_a=50 m s^?1和500 m s^?1下比较t/T=0.2、0.4、0.6和1.0时Ar与Kr的壁面平行速度，得出RDN跟随DSMC趋势，复现剖面曲率、内部极值和近壁响应；高幅情形响应更非线性，差异集中于驱动壁附近高梯度区和气体响应滞后于壁面运动的相位。结论是RDN在两种振幅下复现主要相位依赖和物种依赖速度响应，但该结果为针对该混合物问题训练的案件特定多物种能力，而非前述单气体网络间的泛化。
总体而言，四个问题支持一致结论：RDN准确表示所测试的宏观演化，并利用两个学习分支降低局部碰撞和一步分布误差；速度依赖弛豫在推理中保持活跃，模型捕获主要热流、应力、三维剪切和物种分辨结构；高阶比较显示明显难度层级，密度中的小误差可在激波层矩和三维应力中显著增大。

讨论部分总结：进一步工作应通过参数化实施质量、动量和能量不变量，以提供比当前软惩罚更稳固的守恒性质；激波层热流和正应力差异促使训练与评估更重视陡峭转变内的碰撞状态；需更高效评估两个残差分支以降低时间积分中重复使用成本；并结合训练构型外流动条件测试，以阐明该模型的准确性、效率和适用范围。

研究结论翻译：该工作发展了一种弛豫分解网络，用于在显式弛豫形式内近似Boltzmann碰撞响应。模型使用独立残差分支构造局域Maxwellian的状态依赖修正以及每个离散速度节点的弛豫时间。在参考碰撞响应上训练后，所得碰撞项可与分布函数演化耦合。该构造保留弛豫模型的可解释性，同时允许碰撞响应依赖分子速度上的局部分布。理论分析确立了参数化分布和弛豫时间的正性，并给出平衡一致性的充分条件。在碰撞不动点附近，线性化响应由修正分布的Jacobian（雅可比矩阵）和逐节点弛豫频率共同决定。二阶时，分布映射曲率和弛豫频率的变化分别对非线性响应作出贡献。这些结果识别了两个分支在局部碰撞动力学中的作用。数值比较考察了学习碰撞响应的逐步不同方面。对于一维平滑波，RDN在测试Knudsen数范围内跟随DGFS密度、速度和温度剖面；完整网络也比任一单分支变体给出更小的碰撞响应和一步分布误差。在Sod激波管中，RDN复现主要传播结构，而热流和正应力剖面在波区内更清晰地区分碰撞模型。对于Kn=1的三维方腔，相对DSMC的L₂误差为密度0.45%、P_xy 6.98%、P_yz 17.33%，表明密度与应力场的一致性不同。Ar–Kr Couette比较进一步显示两种振荡振幅下的物种分辨速度响应。总之，理论和数值结果支持将弛豫分解学习作为所研究流动构型中碰撞动力学的结构化近似。非平衡矩比较对评估该近似仍必不可少，尤其是在仅密度、速度和温度一致性区分力较弱处。进一步发展应强化物理约束及学习碰撞项在强非平衡下的性能。通过参数化实施质量、动量和能量不变量将比当前软惩罚提供更稳固的守恒性质。激波层热流和正应力差异也促使训练和评估更重视陡峭转变内的碰撞状态。最后，需要更高效地评估两个残差分支以降低时间积分中重复使用成本。结合对训练构型外流动条件的测试，这些进展将阐明弛豫分解模型的准确性、效率和适用范围。