Il metodo Lattice Boltzmann (LBM) è emerso come uno strumento computazionale potente e versatile per simulare flussi di fluidi complessi attraverso una vasta gamma di scale e applicazioni. A differenza dei tradizionali approcci di fluidodinamica computazionale (CFD) che risolvono le equazioni di Navier-Stokes direttamente, LBM opera a livello mesoscopico, modellando il comportamento dei fluidi attraverso l'evoluzione delle funzioni di distribuzione dei flussi di particelle su una differenza di componenti discreali.

Principi fondamentali del metodo Lattice Boltzmann

[LT]] [LT:0]]f[FLT:]](]]]([FLT:]]]]([FLT:]]]]([[FLT]]]]][[[FLT]]]]]]]] [[FLT:]]]] [[[[[[[[FLT]]]]]]]]]]]]]]]]]]]]

Streaming

Durante la fase di streaming, ogni funzione di distribuzione si propaga al suo sito reticolo vicino lungo la sua direzione di velocità corrispondente.

fi [x + ]ei]]]] ]]]] ]f[FLT]][

Questo passaggio cattura l'attribuzione di particelle nel fluido, ed è computazionalmente semplice perché coinvolge solo il trasferimento di dati più vicino al reticolo.

Collisione

Dopo lo streaming, le funzioni di distribuzione subiscono un processo di collisione che li rilassa verso una distribuzione locale di equilibrio. Il modello di collisione più comune è il Bhatnagar-Gross-Krook (BGK) approssimazione, che utilizza un unico tempo di relax τ.

[LT] [[FLT]] [[FLT]] [[FLT]]] [[FLT]]] [[[FLT]]]] [[FLT]]] [[FLT]]] [[FLT]]] ]] [FLT] [FLT]]] [FLT]]][FLT]][FLT]][FLT]]][FLT]][FLT]][FLT]]][FLT][FLT]]]]][FLT]]]][FLT][FLT][[[FLT]]]]]]][[[FLT][[[[FLT]]]]]]]]]]][FLT]]]]]][F][FLT]][F][FLT][FLT]]][[[[[[FLT]]]]]]]]]]]]]]]]]][[[FLT]]][[[[[[[

[FLT:][FLT]]] ]]]eq è la funzione di distribuzione dell'equilibrio, derivata dalla distribuzione Maxwell-Boltzmann estesa al secondo ordine in velocità.

Condizioni di boundary in LBM

Uno dei più grandi punti di forza di LBM è la sua capacità di gestire le condizioni di confine complesse con relativa facilità.

  • Condizione di confine:[] Una semplice condizione di no-slip in cui le particelle che colpiscono una parete solida si riflettono nel fluido. Questo metodo è semplice da implementare per gli ostacoli arbitrariamente modellati, in quanto la griglia reticolare non ha bisogno di conformarsi alla geometria.
  • Ritorno interpolato:[ Migliora l'accuratezza sui confini curvi ponderando la riflessione sulla posizione precisa della parete.
  • Sou-He velocità e condizioni di limite di pressione:[ Usato per imporre velocità o pressione prescritte a ingressi e prese risolvendo per funzioni di distribuzione sconosciute ai nodi di confine.

Questi schemi di confine rendono LBM particolarmente attraente per simulare i flussi attraverso mezzi porosi, dispositivi microfluidici e sistemi biologici in cui geometrie sono irregolari e complesse.

Modelli e Variazioni LBM Avanzate

Mentre il BGK-LBM di base è efficace per i flussi monofase semplici, molte estensioni sono state sviluppate per affrontare fenomeni fisici più impegnativi.

Modelli multifase e multicomponenti

LBM supporta naturalmente simulazioni multifase e multicomponenti attraverso l'introduzione di forze interparticolari. Il modello pseudopotenziale Shan-Chen è uno degli approcci più ampiamente utilizzati, dove una forza proporzionale al gradiente di una funzione potenziale agisce tra i componenti fluidi. Questo modello può simulare la separazione di fase, la bolla e la dinamica di goccia, e i fenomeni di bagnatura su superfici solide.

Modelli a fluido termico e non newtoniano

Per simulare i flussi con il trasferimento di calore, LBM può essere estesa aggiungendo una funzione di distribuzione interna di energia che si evolve in modo simile alle distribuzioni di densità. Questo cosiddetto LBM termico permette simulazioni di convezione naturale senza risolvere l'equazione di energia separatamente.

Modelli Entropic e Multiple-Relaxation-Time (MRT)

Per migliorare la stabilità, sono stati sviluppati operatori di collisione avanzati. Il modello Multiple-Relaxation-Time (MRT) utilizza diversi parametri di rilassamento per diversi momenti della funzione di distribuzione, fornendo un migliore controllo sui processi dissipativi e una maggiore stabilità numerica. Entropic LBM applica la seconda legge della termodinamica assicurando che il passaggio di collisione riduce sempre i problemi di entrobullismo essenziali.

Applicazioni di LBM in flussi fluidi complessi

La versatilità di LBM ha portato alla sua adozione in un ampio spettro di campi scientifici e ingegneristici, esplorando in seguito diversi settori chiave applicativi dove LBM si è dimostrato particolarmente efficace.

Flussi multifase e multicomponenti

La capacità di modellare le interfacce tra diverse fasi senza un'interfaccia esplicita, lo rende ideale per studiare fenomeni multifase.

  • Ricupero dell'olio:[] Simulando lo spostamento dell'olio da acqua o gas in rocce di serbatoio porose, dove le forze capillari e la wettabilità giocano ruoli critici.
  • Dina dinamica di becco e goccia:[] Comprendere la carbonescenza, la rottura e il trasporto di bolle in reattori chimici o gocce in dispositivi microfluidici.
  • Preghiera e atomizzazione:[] Modellare la rottura dei getti liquidi e la formazione di spruzzi nei sistemi di iniezione di carburante.

Il modello Shan-Chen e le sue varianti sono state ampiamente utilizzate in queste aree, fornendo informazioni che sono difficili da ottenere con metodi CFD tradizionali.

Flusso nei media porosi

LBM è probabilmente il metodo numerico più popolare per simulare il flusso fluido attraverso materiali porosi, grazie alla sua capacità di gestire geometrie pore complesse con elevata fedeltà.

  • Idrologia acqua dolce:[ Simulazione del trasporto contaminante e della bonifica nei sistemi di terra e di aquifero.
  • Celle e batterie:[ Modellazione della diffusione del gas attraverso elettrodi porosi per ottimizzare le prestazioni.
  • Catalitici convertitori:[] Analizzando la distribuzione del flusso e la cinetica della reazione nei supporti catalizzatore poroso.

LBM può simulare direttamente il flusso su scala pora su immagini di microtomografia a raggi X di mezzi reali porosi, consentendo la scala pori a studi di aumento su scala Darcy. Una recensione ben nota in questa zona è Kang et al. (2017) su Pore-Scale LBM per il trasporto subsuperficiale.

Flussi biologici e biomedici

LBM ha trovato un crescente utilizzo nella simulazione dei flussi fisiologici, in gran parte grazie alla sua capacità di gestire i confini mobili e deformabili.

  • Flusso di sangue nelle arterie e nelle vene:[ LBM può incorporare i modelli di globuli rossi e simulare il sangue come un fluido non newtoniano, catturando fenomeni come la migrazione delle cellule e la formazione di trombo.
  • Flussi respiratori:[ Modellazione del flusso d'aria nei polmoni umani, compresa la deposizione delle particelle per gli studi di somministrazione di droga.
  • Dispositivi di laboratorio-on-a-chip microfluidici: Simulazione di ordinamento cellulare, miscelazione e generazione di goccioline per la diagnostica medica.

La flessibilità di LBM nella gestione dei corpi in movimento immersi è particolarmente preziosa per studiare dinamica delle valvole cardiache e deformazione delle cellule del sangue rosse sotto il flusso di taglio.

Aerodinamica e ingegneria aerospaziale

LBM è stata applicata con successo a simulazioni aerodinamiche, soprattutto per flussi intorno a geometrie complesse come ali di aeromobili, atterraggio e pale eoliche. Il parallelismo intrinseco del metodo permette di scalare a grandi domini computazionali, e la sua capacità di gestire flussi turbolenti tramite modelli di simulazione Large-Eddy (LES) subgrid ha reso un'alternativa praticabile ai risolutori di Navier-Stocoscopi di sistemi di simulazione di tipo BOWM per applicazioni.

Vantaggi di LBM rispetto ai metodi tradizionali CFD

LBM offre diversi vantaggi distinti che hanno spinto la sua adozione:

Efficienza computazionale e Parallelizabilità

Il passaggio di streaming in LBM comporta solo scambi di dati più vicini, rendendo triviale l'implementazione su architetture parallele come GPU e cluster di memoria distribuiti. Molti codici LBM raggiungono scalamenti quasi lineari fino a migliaia di core, riducendo drasticamente i tempi di rotazione della simulazione. Questa efficienza consente simulazioni ad alta risoluzione di problemi su larga scala che sarebbero computazionalmente proibitivi per i risolutori di reti Navier-Stokes.

Facilità di manipolazione Geometrie complesse

Poiché LBM utilizza una griglia cartesiana uniforme o gerarchicamente raffinata, la rappresentazione della geometria non richiede la generazione della rete. Invece, gli ostacoli solidi sono rappresentati dalla marcatura dei nodi reticolari come fluido o solido. I confini curvi possono essere ospitati utilizzando metodi di rimbalzo o di confine immersi senza rimeshing.

Trattamento naturale dei flussi multifase e interfacciali

A differenza dei metodi di volume-of-fluid o livellato utilizzati nei modelli tradizionali CFD, i modelli LBM multifase non richiedono una ricostruzione esplicita dell'interfaccia. L'interfaccia emerge naturalmente dalle dinamiche di particelle, che semplificano la codifica e riducono i costi computazionali.

Sfide e limitazioni di LBM

Nonostante i suoi numerosi punti di forza, LBM non è senza limitazioni che devono essere accuratamente considerati per simulazioni pratiche.

Problemi di stabilità a High Reynolds Numbers

L'operatore standard di collisione BGK diventa instabile quando il tempo di rilassamento τ si avvicina a 0,5 (cioè, bassa viscosità). Questo limita LBM a flussi laminari o moderatamente turbolenti a meno che i modelli di collisione avanzati (MRT, entropic) o i modelli di turbolenza (LES, Reynolds-media) siano usati.

Compressione e basso livello di controllo del numero di mach

LBM è intrinsecamente un metodo debole per la compressione, il che significa che consente piccole fluttuazioni di densità che sono fisicamente trascurabili ma numericamente necessarie. Per recuperare il comportamento incompressibile del flusso, il numero Mach deve essere mantenuto basso (tipicamente M < 0.3). Se il numero Mach supera questo limite, gli errori di comprimabilità diventano significativi.

Calibrazione del parametro e del modello

I modelli LBM multifase e termici presentano spesso parametri liberi (ad esempio, resistenza all'interazione, rapporto di tempo di rilassamento) che devono essere calibrati contro dati sperimentali o soluzioni analitiche. Ciò può richiedere studi di sensibilità che richiedono tempo, e i parametri ottimali possono variare in diversi regimi di flusso.

Direzioni e tendenze emergenti

La ricerca continua ad espandere le capacità e le applicazioni di LBM. Diverse direzioni promettenti meritano di essere notate.

Coupling con altri metodi numerici

I metodi ibridi che combinano LBM con elementi finiti o approcci di volume finito stanno acquisendo trazione. Ad esempio, LBM può essere utilizzato per simulare il flusso vicino alla parete mentre un risolutore Navier-Stokes gestisce il campo lontano, o LBM può modellare il flusso di fluidi, mentre un metodo di elementi discreti (DEM) gestisce le interazioni delle particelle.

Accelerazione con l'apprendimento automatico

Le reti neurali possono imparare gli operatori di collisione più stabili di BGK, o sostituire costosi modelli su scala subgriglia in simulazioni di flusso turbolente. Inoltre, i modelli surrogato basati su ML possono prevedere i parametri LBM in tempo reale per l'ottimizzazione e le applicazioni di controllo.

GPU e Exascale Computing

Il massiccio parallelismo di LBM lo rende ideale per lo spiegamento dei supercomputer moderni accelerati dalla GPU. Diversi codici LBM open-source, come Palabos e OpenLB, offrono già il supporto GPU, consentendo simulazioni con miliardi di nodi di reticolo.

Espansione in Ingegneria Biomedicale e Ambientale

La capacità di LBM di gestire particelle deformabili e geometrie complesse lo posiziona bene per lo sviluppo di farmaci in-silico, la medicina personalizzata e la bonifica ambientale. Ad esempio, simulazioni specifiche del flusso sanguigno in aneurismi cerebrali potrebbero guidare la pianificazione chirurgica.

Conclusioni

Il metodo Lattice Boltzmann si è dimostrato un approccio altamente efficace e concettualmente elegante per simulare flussi di fluidi complessi. Le sue basi mesoscopiche, semplici algoritmi e scalabilità parallela naturale lo rendono un'alternativa convincente ai tradizionali risolutori di Navier-Stokes per una vasta gamma di applicazioni, dai flussi multifase nei mezzi porosi all'aerodinamica dei veicoli e del flusso sanguigno nel corpo umano.