Применение методов машинного обучения при моделировании физико-химических процессов в задачах газодинамики

Проект направлен на создание цифрового программного модуля, в котором нейронные сети будут использоваться при моделировании физико-химических процессов в сильнонеравновесных течениях реагирующих газов. С использованием методов машинного обучения и кинетической теорией процессов переноса и релаксации (в том числе поуровневого приближения), с учетом больших объемов данных (big-data) по электронным и электронно-колебательным уровням атомов и молекул, будет проводиться расчет физических свойств и коэффициентов переноса. На основе проводимых вычислений будет обучена глубокая нейронная сеть, которая позволит производить вычисления физических и транспортных свойств в режиме реального времени. Программный модуль позволит проводить быстрые численные расчеты коэффициентов переноса в условиях различных отклонений от равновесия (в том числе в сильнонеравновесных гиперзвуковых потоках реагирующих газов), которые смогут имплементироваться в современные расчетные прикладные пакеты, используемые с целью определения режимов, характерных для минимизации сопротивления и тепловой нагрузки на летательные аппараты. В рамках проекта будут изучаться атомарные и молекулярные газы с учетом внутренних степеней свободы (электронная у атомов, электронно-вращательно-колебательная у молекул). В рамках исследования предполагается учитывать изменяющийся столкновительный диаметр электронно-возбужденных частиц. С использованием нейронных сетей будут разработаны алгоритмы быстрого расчета следующих физических свойств и коэффициентов переноса: статистической суммы, внутренней энергии, теплоемкости при постоянном объеме, коэффициентов теплопроводности и сдвиговой вязкости.