Physics-guided weak-form discovery of reduced-order models for trapped ultracold hydrodynamics

要約

私たちは、衝突性が高く、超低温だが縮退していない極性分子のガスの緩和を研究します。
調和トラップ内に閉じ込められたガスは、一次流体力学の崩壊につながる流体-気体の結合力学を受けます。
これらの高次の流体力学効果を扱う試みは、ガウス アンザッツと粗視化モデル パラメーターを使用して以前に行われました [R.
R. W. ワン & J. L. ボーン、物理学。
Rev. A 108, 013322 (2023)]、実験に利用できるいくつかの集合的な観測値の近似式セットを導き出します。
ここでは、WSINDy アルゴリズム (非線形ダイナミクスの弱形式スパース同定) を使用した粒子シミュレーションから直接発見された、以前のパラメーター領域を超えて許容できる、これらの同じ観測量の大幅に改善された低次数モデルを紹介します。
学習アルゴリズムの解釈可能な性質により、これまで知られていなかった物理量の推定や物理メカニズムの候補を含むモデル項の発見が可能になり、混合衝突領域における新しい物理学が明らかになります。
私たちのアプローチは、既知の物理学を活用したデータ駆動型モデル識別のための一般的なフレームワークを構成します。

要約(オリジナル)

We study the relaxation of a highly collisional, ultracold but nondegenerate gas of polar molecules. Confined within a harmonic trap, the gas is subject to fluid-gaseous coupled dynamics that lead to a breakdown of first-order hydrodynamics. An attempt to treat these higher-order hydrodynamic effects was previously made with a Gaussian ansatz and coarse-graining model parameter [R. R. W. Wang & J. L. Bohn, Phys. Rev. A 108, 013322 (2023)], leading to an approximate set of equations for a few collective observables accessible to experiments. Here we present substantially improved reduced-order models for these same observables, admissible beyond previous parameter regimes, discovered directly from particle simulations using the WSINDy algorithm (Weak-form Sparse Identification of Nonlinear Dynamics). The interpretable nature of the learning algorithm enables estimation of previously unknown physical quantities and discovery of model terms with candidate physical mechanisms, revealing new physics in mixed collisional regimes. Our approach constitutes a general framework for data-driven model identification leveraging known physics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google