基于量子力学基本原理的密度泛函理论(DFT)可以有效预测材料性质,如今它在物理、化学、材料、生物等领域的研究工作中已得到广泛应用。随着对材料领域的深入研究,进一步提升DFT的精度和效率已成为迫切需求,但精度和效率往往不可兼得。近年来,在AI for Science理念的引领下,基于深度学习的电子结构计算方法迅速发展,有望解决电子结构计算中精度和效率不能两全的困境。然而,只有稳定可靠的DFT软件平台才能保证深入研究和持续推动AI辅助电子结构计算方法的广泛应用,这既充满挑战又蕴含机遇。在此背景下,本文主要从物理模型、深度学习算法和软件开发3方面介绍国产开源DFT软件ABACUS(atomic-orbital based ab-initio computation at UStc,中文名原子算筹)从开发2.2版本(2022年4月发布)到发布3.7版本(2024年7月发布)期间的进展及其与深度学习算法的融合和应用。
受逆压梯度影响,航空发动机压气机叶栅边界层常常会表现出非定常分离的特性,导致流动损失显著升高。准确预测非定常分离的频率响应,对于发展边界层控制策略以优化叶栅翼型性能乃至预防失速具有指导意义。另外,流动分离影响下可能出现高分贝的纯音噪声。探究纯音噪声的频谱特性及发声机制,对于减小噪声具有重要的应用价值。然而,叶栅内流环境中往往存在多种不稳定机制,且相应的高质量流场数据较为缺乏,压气机叶栅中的频率响应机制仍不明晰,需要进一步的研究。本研究开展直接数值模拟(DNS)研究,重点关注压气机叶栅边界层非定常分离的频率响应。我们共设置了两个三维压气机平面叶栅算例:一个无外加扰动影响,叶片两侧边界层均由层流边界层分离主导(case-L);另一个算例中施加了初始随机小扰动,叶片吸力侧边界层表现出明显的分离诱导转捩过程(case-T)。受复杂压力梯度影响,case-L吸力侧边界层表现为规则的涡脱落;而由于转捩的发生,case T吸力侧边界层非定常分离发生后会很快再附。在压力侧,两算例都表现为离散的闭合分离泡。基于动力学模态分解(DMD)的结果,两算例的主模态频率表现出显著差异。特别地,频谱分析表明case-L表现出纯音噪声特性。基于DNS流场与二维线性稳定性分析(Jones et al., ***., 2010),我们在case-L吸力侧边界层中观察到从非定常分离点出发的下行不稳定波和尾缘散射导致的上行声波,两者相互作用形成的声反馈机制在绝对不稳定性作用下得以维持。声反馈模型很好地解释了case-L表现出的离散频率,而主频的筛选则可能由近尾迹不稳定性决定。相反的,受mode-B三维不稳定性的影响,case-T在吸力侧表现出自维持湍流特性。复杂的展向三维结构破坏了压力脉动的规则周期与相位,削弱了声反馈(Gelot&Kim, J. Fluid Mech., 2020)。因此,case-T未表现出明显的纯音噪声,且其主频可以被线性稳定性分析很好地预测。由于压力侧边界层表现出对流不稳定特性,两算例在压力侧无明显差异,其分离频率或受到吸力侧尾缘散射声波的调制。
暂无评论