Pasar al contenido principal

CUANDO HPC SE ENCUENTRA CON DRL Y CFD: FLUJOS DE TRABAJO NOVEDOSOS PARA SOLUCIONADORES DE FLUJO Y MODELOS BASADOS EN IA.

PID2023-150408OB-C21

•
Nombre agencia financiadora Agencia Estatal de Investigación
Acrónimo agencia financiadora AEI
Programa Programa Estatal para Impulsar la Investigación Científico-Técnica y su Transferencia
Subprograma Subprograma Estatal de Generación de Conocimiento
Convocatoria Proyectos de I+D+i (Generación de Conocimiento y Retos Investigación)
Año convocatoria 2023
Plan Estatal 2021-2023 Plan Estatal de Investigación Científica y Técnica y de Innovación
Centro beneficiario BARCELONA SUPERCOMPUTING CENTER CENTRO NACIONAL DE SUPERCOMPUTACION

Resultados relacionados

Resultados totales (Incluyendo duplicados): 1
Encontrada(s) 1 página(s)

UPCommons. Portal del coneixement obert de la UPC
Publicación Capítulo o parte de un libro (BookPart)

Towards active flow control strategies through deep reinforcement learning

  • Montalà Sales, Ricard|||0009-0000-7911-7102
  • Font García, Bernat
  • Suárez Morales, Pol
  • Rabault, Jean
  • Lehmkuhl Barba, Oriol|||0000-0002-2670-1871
  • Vinuesa Motilva, Ricardo
  • Rodríguez Pérez, Ivette María|||0000-0002-3749-277X
This paper presents a deep reinforcement learning (DRL) framework for active flow control (AFC) to reduce drag in aerodynamic bodies. Tested on a 3D cylin-der at Re=100 Re = 100, the DRL approach achieved a 9.32% 9.32% drag reduction and a 78.4% 78.4% decrease in lift oscillations by learning advanced actuation strategies. The method-ology integrates a CFD solver with a DRL model using an in-memory database for efficient communication between the two instances, making it scalable to more complex flows and higher Reynolds numbers., This research has received financial support from the Ministerio de Ciencia e Innovacion of Spain (PID2023-150408OB-C21 and PID2023-150408OB-C22). Authors also extend their gratitude to AGAUR for supporting the research group Large-scale Computational Fluid Dynamics (2021 SGR 00902) and the Turbulence and Aerodynamics Research Group (2021 SGR 01051). Ricard Montalà also expresses gratitude to AGAUR for awarding the FI-SDUR grant (2022 FISDU 00066). Ricardo Vinuesa acknowledges financial support from ERC grant no. 2021-CoG-101043998, DEEPCONTROL., Peer Reviewed, 13 - Acció per al Clima, 9 - Indústria, Innovació i Infraestructura