Aim of the Project
The purpose of this project is to apply machine learning techniques to computational fluid dynamics, such as improved, physics-aware reduced-order models to accelerate numerical simulations. In order to accurately predict the physics of transonic cavity flows, a prototype ML algorithms like CNN, LSTM will be developed and implemented.
Figure-1: Hybrid ROM Architecture.
Projenin Amacı
Bu projenin amacı geliştirilmiş fizik-bilincine sahip indirgenmiş mertebeli modeller gibi makina öğrenmesi tekniklerini sayısal yöntemleri hızlandırmak için hesaplamalı akışkanlar dinamiğine uygulamaktır. Transonik boşluk akışlarının fiziğini doğru bir şekilde tahmin edebilmek için CNN, LSTM gibi bir prototip makina öğrenmesi algoritması geliştirilecek ve uygulanacaktır.