基于TensorFlow向量化的浸入边界法在流固耦合问题中的应用的开题报告.docx

基于TensorFlow向量化的浸入边界法在流固耦合问题中的应用的开题报告
一、选题背景
浸入边界法是目前流体力学和固体力学中非常重要的数值计算方法之一，它能够非常有效地解决流固耦合问题以及其他多物理场耦合问题，而TensorFlow是一种非常强大的深度学习框架，其向量化运算能力非常强，可以在一定程度上提高程序的执行效率。因此，本课题旨在探究基于TensorFlow向量化的浸入边界法在流固耦合问题中的应用。
二、选题意义
随着计算机技术的快速发展，越来越多的科学计算问题需要在高性能计算机上进行求解。而在高性能计算平台上，程序的执行效率通常是优化的重点之一。因此，在对流固耦合问题求解时，结合深度学习框架TensorFlow的向量化能力，进行程序的优化，有望大幅提升程序的执行效率，使得计算成本大大降低，计算效率大大提高。
三、选题内容
1.浸入边界法的介绍及应用。
2.TensorFlow的基本概念及向量化运算的实现原理。
3.基于TensorFlow向量化的浸入边界法在流固耦合问题中的应用。
4.优化算法的设计及实现。
5.计算结果的分析和比较。
四、选题方法
本课题发现集中于理论推导和计算实验两个方面。在理论推导方面，将会主要从浸入边界法和TensorFlow向量化运算的实现原理入手，探究二者间的契合点；在计算实验方面，将会首先建立适合浸入边界法求解的流场模型，并利用基于TensorFlow向量化的浸入边界法进行模拟，同时还将考虑优化算法的设计和实现，最后对计算结果进行分析和比较。
五、预期成果
1.探究基于TensorFlow向量化的浸入边界法在流固耦合问题中的应用，及其能力和局限性。
2.模拟已知流场模型，验证基于TensorFlow向量化的浸入边界法的有效性和优越性。
3.提出优化算法的设计与实现方案，大幅提高程序执行效率，为科学计算提供更高效的解决方案。
六、进度安排
第一周：阅读相关文献，熟悉浸入边界法和TensorFlow框架。
第二周：建立适合浸入边界法求解的流场模型。
第三周：实现基于TensorFlow向量化的浸入边界法，在模型上进行计算实验。
第四周：探讨优化算法的设计及其实现，优化程序执行效率。
第五周：分析计算结果，准备撰写论文。
第六周：完成论文初稿。
七、参考文献
[1]Peskin,CharlesS.Numericalanalysisofbloodflowintheheart.Journalofcomputationalphysics,1977,25(3):220-252.
[2]LaiMC,PeskinCS,CainSR,etal.Athree-dimensionalcomputationalmethodforbloodflowintheheart.I.Immersedelasticfibersinaviscousincompressiblefluid.JournalofComputationalPhysics,1989,82(2):372-398.
[3]VincentT,BogeyC,JolyL,etal.Liftonacircularcylinderinstratifiedfluids:Oscillatingmotionsandflowregimes.PhysicsofFluids,2013,25(3):33102.
[4]AbadiM,BarhamP,ChenJ,etal.TensorFlow:Asystemforlarge-scalemachinelearning.In12thUSENIXSymposiumonOperatingSystemsDesignandImplementation(OSDI16),2016,265-283.
[5]ZhangY.StudyofSolid-LiquidTwo-PhaseFluidSimulationMethodBasedonImmersedBoundary.JournalofNingboUniversity(NaturalScience&EngineeringEdition),2013,26(1):120-127.