NeuralDEM – Real-time Simulation of Industrial Particulate Flows

要約

コンピューティング能力の進歩により、大規模な流体機械システムや粒子システムを数値的にシミュレートできるようになり、その多くは中核となる産業プロセスに不可欠です。
利用可能なさまざまな数値手法の中で、離散要素法 (DEM) は、粒状材料や不連続材料を含む幅広い物理システムを最も正確に表現できるものの 1 つです。
その結果、DEM は粒状流と粉体力学に関連する工学的問題に取り組むためのアプローチとして広く受け入れられるようになりました。
さらに、DEM はグリッドベースの数値流体力学 (CFD) 手法と統合でき、流動床などで行われる化学プロセスのシミュレーションを可能にします。
ただし、DEM は粒子システムの本質的なマルチスケールの性質により計算集約的であり、シミュレーション時間や粒子数が制限されます。
この目的に向けて、NeuralDEM は、遅い数値 DEM ルーチンを高速で適応性のある深層学習サロゲートに置き換えるエンドツーエンドのアプローチを提供します。
NeuralDEM は、微視的なモデル パラメーターを参照せずに、巨視的な観測値を使用して、さまざまな領域にわたる長期の輸送プロセスを描写することができます。
まず、NeuralDEM は DEM のラグランジュ離散化を基礎となる連続場として扱い、同時に巨視的動作を追加の補助場として直接モデル化します。
第 2 に、NeuralDEM は、低速で擬似定常的なシナリオから高速で過渡的なシナリオまで、産業規模のシナリオのリアルタイム モデリングに拡張可能なマルチブランチ ニューラル オペレーターを導入します。
このようなシナリオは、これまで深層学習モデルにとって克服できない課題を引き起こしていました。
特に、NeuralDEM は、28 秒の軌道で 160k CFD セルと 500k DEM 粒子の結合 CFD-DEM 流動床反応器を忠実にモデル化しています。
NeuralDEM は、高度なエンジニアリングとはるかに高速なプロセス サイクルへの多くの新しい扉を開きます。

要約(オリジナル)

Advancements in computing power have made it possible to numerically simulate large-scale fluid-mechanical and/or particulate systems, many of which are integral to core industrial processes. Among the different numerical methods available, the discrete element method (DEM) provides one of the most accurate representations of a wide range of physical systems involving granular and discontinuous materials. Consequently, DEM has become a widely accepted approach for tackling engineering problems connected to granular flows and powder mechanics. Additionally, DEM can be integrated with grid-based computational fluid dynamics (CFD) methods, enabling the simulation of chemical processes taking place, e.g., in fluidized beds. However, DEM is computationally intensive because of the intrinsic multiscale nature of particulate systems, restricting simulation duration or number of particles. Towards this end, NeuralDEM presents an end-to-end approach to replace slow numerical DEM routines with fast, adaptable deep learning surrogates. NeuralDEM is capable of picturing long-term transport processes across different regimes using macroscopic observables without any reference to microscopic model parameters. First, NeuralDEM treats the Lagrangian discretization of DEM as an underlying continuous field, while simultaneously modeling macroscopic behavior directly as additional auxiliary fields. Second, NeuralDEM introduces multi-branch neural operators scalable to real-time modeling of industrially-sized scenarios – from slow and pseudo-steady to fast and transient. Such scenarios have previously posed insurmountable challenges for deep learning models. Notably, NeuralDEM faithfully models coupled CFD-DEM fluidized bed reactors of 160k CFD cells and 500k DEM particles for trajectories of 28s. NeuralDEM will open many new doors to advanced engineering and much faster process cycles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google