Colloquium - J.M. Burgerscentrum Tour 2025 - Prof. Luca Biferale University of Rome Tor Vergata Data driven tools for Multiphase Turbulence

We presenteren een stochastische methode voor het genereren en reconstrueren van complexe signalen langs de trajecten van kleine objecten die passief worden meegevoerd door turbulente stromingen. Onze aanpak maakt gebruik van generatieve diffusiemodellen, een recent voorgestelde datagestuurde machine learning-techniek. We tonen toepassingen voor data-augmentatie en data-assimilatie voor 3D-tracers in turbulentie, 2D-trajecten uit het Global Drifter Program van NOAA en uitbreidingen naar het geval van Eulerian multifasestromingen. De superioriteit ten opzichte van lineaire decompositie en Gaussiaanse regressieprocessen wordt geanalyseerd in termen van statistische en puntsgewijze metrieken met betrekking tot niet-Gaussiaanse componenten en multischaaleigenschappen. Voorlopige resultaten met betrekking tot generaliseerbaarheid en modelinstorting zullen ook worden besproken, evenals een persoonlijk standpunt over langetermijndoelen en mogelijkheden van black-box datagestuurde benaderingen voor turbulentie.