Prediction of the morphological evolution of a splashing drop using an encoder-decoder

要約

固体表面への落下の影響は、さまざまな意味と用途を持つ重要な現象です。
ただし、この現象の多相性は、特に液滴が飛び散るときに、その形態学的進化の予測に複雑さを引き起こします。
ほとんどの機械学習ベースの落下衝撃研究は物理的パラメーターを中心にしていますが、この研究では、画像データを使用して液滴の形態を予測するためにエンコーダー/デコーダーをトレーニングすることにより、コンピューター ビジョン戦略を使用しました。
ここでは、このトレーニングされたエンコーダー/デコーダーが、飛沫と非飛沫の形態を示すビデオを正常に生成できることを示します。
驚くべきことに、これらの生成されたビデオの各フレームで、滴の拡散直径は実際のビデオの直径とよく一致することがわかりました。
また、飛散・非飛散の予測精度も高かった。
これらの調査結果は、トレーニングされたエンコーダー/デコーダーが、液滴の形態を正確に表すことができるビデオを生成する能力を示しています。
このアプローチは、実験的および数値的研究に代わる、より高速で安価な代替手段を提供します。

要約(オリジナル)

The impact of a drop on a solid surface is an important phenomenon that has various implications and applications. However, the multiphase nature of this phenomenon causes complications in the prediction of its morphological evolution, especially when the drop splashes. While most machine-learning-based drop-impact studies have centred around physical parameters, this study used a computer-vision strategy by training an encoder-decoder to predict the drop morphologies using image data. Herein, we show that this trained encoder-decoder is able to successfully generate videos that show the morphologies of splashing and non-splashing drops. Remarkably, in each frame of these generated videos, the spreading diameter of the drop was found to be in good agreement with that of the actual videos. Moreover, there was also a high accuracy in splashing/non-splashing prediction. These findings demonstrate the ability of the trained encoder-decoder to generate videos that can accurately represent the drop morphologies. This approach provides a faster and cheaper alternative to experimental and numerical studies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google