Métodos orientados por dados e aprendizado de máquina em mecânica dos fluidos não-Newtonianos

Resumo

Esta proposta apresenta um plano de pesquisa para investigar métodos baseados em dados, técnicas de aprendizado de máquina e esquemas numéricos para solução de escoamentos de fluidos não-Newtonianos, como por exemplo, fluidos viscoelásticos. Embora a aplicação de aprendizado de máquina já seja considerada uma ferramenta importante nas pesquisas de mecânica de fluidos Newtonianos, a construção e aplicação dessas metodologias para fluidos não-Newtonianos estão em estágios iniciais de progresso e permanecem, em grande parte, inexplorados. Com base em dados de simulação computacional de problemas modelos, a dinâmica do escoamento para fluidos viscoelásticos será estudada por algoritmos de aprendizagem. Além disso, com intuito de identificar características não-lineares observadas em escoamentos de fluidos não-Newtonianos, como por exemplo instabilidades viscoelásticas e a turbulência elástica, métodos de modelagem de identificação esparsa serão investigados. Fundamentos em análise numérica, como por exemplo, análise de convergência, interpretabilidade e generalização dos métodos serão discutidos uma vez que esses tópicos são considerados como um desafio na modelagem de sistemas físicos usando aprendizado de máquina. Além de aprimorar métodos orientados em dados, este projeto tem como objetivo principal a construção de novas metodologias para impulsionar simulações de fluidos complexos em geometrias complexas, incluindo estratégias eficazes baseadas em dados para resolver aplicações da mecânica de fluidos não-Newtoniano. (AU)