La ricerca sviluppata nell’ambito dell’iniziativa specifica FieldTurb è incentrata sul problema della dinamica di fluidi complessi e turbolenti e del trasporto ed interazione di “Particelle e Campi” all’interno degli stessi. L’obiettivo del progetto è ottenere una comprensione più approfondita di questioni fondamentali relative ai problemi generali delle teorie classiche dei campi per sistemi fuori dall’equilibrio su scale macro-, micro- e nanometriche, nonché di numerosi problemi applicativi riguardanti turbolenza non ideale, che includono fluidi con reologia complessa, flussi relativistici e problemi di controllo.
Esempio di generazione con modelli diffusivi di traiettorie Lagrangiane in turbolenza sviluppata. Questa tecnica molto potente permette di risolvere sia problemi di “data augmentation” che “data assimilation” o super-resolution. Ref. [1]
Questi problemi sono affrontati combinando gli strumenti tradizionali della fisica teorica con metodologie interdisciplinari. In particolare, il gruppo di ricerca ha sviluppato un approccio che integra la teoria con le simulazioni numeriche e analisi di dati, basate su molti anni di esperienza nell’uso di macchine parallele massivamente distribuite e, negli ultimi anni, con l’integrazione di tecniche innovative di Machine Learning (ML) e Data assimilation. Questo approccio integrato è reso necessario anche dallo spostamento di interesse, cresciuto negli ultimi anni, da questioni fondamentali a situazioni non ideali, caratterizzate da diversi meccanismi di rottura della simmetria.
Fluidi multi-fase ed emulsioni presentano comportamenti non-Newtoniani che hanno un impatto significativo sulle loro proprietà di trasporto di calore quando sottoposti a convezione termica Ref. [2], e.g., quando posti tra due muri a temperatura diversa e l’effetto della gravità non è trascurabile. Il gruppo di Tor Vergata ha rilasciato open-access il codice TLBfind per la simulazione numerica di tali sistemi Ref [3].
Esempi paradigmatici includono gli effetti dell’anisotropia o di disomogeneità dovute al confinamento spaziale e alla presenza di altre fasi. Analogamente, per i fluidi complessi su scala microscopica, come schiume ed emulsioni, manca una caratterizzazione completa, con molte sfide ancora aperte per la teoria, le simulazioni numeriche e gli esperimenti. Inoltre la comunità della meccanica dei fluidi è oggi fortemente impegnata nella ricerca di soluzioni a molti problemi legati all’utilizzo di tecniche di machine learning: dall’assimilazione dei dati alla super-risoluzione, dalla modellizzazione delle piccole scale alla navigazione di agenti Lagrangiani in flussi complessi, come ad esempio nel problema della ricerca olfattiva o al raggiungimento di un dato target. Tali problemi altamente sfidanti trovano applicazione in campi che spaziano dal monitoraggio ambientale alla micromedicina e allo studio del comportamento animale.
Referenze utili
Url nazionale
Massimo Cencini
Luca Biferale
Mauro Sbragaglia
Michele Buzzicotti