00:00 / 46:21
连播
清屏
智能
倍速
点赞23
00:00 / 01:11
连播
清屏
智能
倍速
点赞134
00:00 / 13:43
连播
清屏
智能
倍速
点赞0
【中配】计算流体力学(CFD)系列一:从微观世界到流体模拟 欢迎来到“从零开始构建流体模拟器”系列的第一部分。在伸手触摸宏观的波浪之前,我们必须先潜入微观的深渊。本期视频将揭示量子力学、分子动力学和气体分子运动论如何构成了流体模拟的底层逻辑,以及我们如何通过**信息还原(Information Reduction)**将混乱的原子运动转化为优雅的流体方程。 1. 核心原则:信息还原 流体模拟的本质不是模拟每一个原子,而是学会“忽略”不必要的细节。 规模差异:一小杯水中含有约 $10^{25}$ 个分子。如果我们追踪每一个分子的位置和动量,现有的计算机根本无法处理。 降阶建模:我们需要从微观态(每一个粒子的状态)跨越到宏观态(压力、速度、温度)。这个过程就是将海量的数据压缩成几个关键的物理量。 2. 量子力学与波函数 在最微观的尺度上,粒子并不像小球,而是表现为波函数 $\Psi$。 物质波:通过电子双缝干涉实验,我们看到粒子具有波动性。 定态与本征态:原子的 nodal 结构(节面结构)决定了分子间相互作用的基础。量子力学为我们提供了最原始的“势能面”。 3. 分子动力学:经典力学的回归 当我们从单个原子转向分子集合时,由于原子核比电子重得多,我们可以使用波恩-奥本海默近似(Born-Oppenheimer Approximation)。 相空间(Phase Space):在经典力学框架下,每个分子的状态由其位置 $\mathbf{r}$ 和动量 $\mathbf{p}$ 决定。 势能面(PES):分子间的碰撞和排斥被简化为某种势能场中的运动。虽然比量子力学简单,但分子动力学(MD)对于大规模流体计算依然太重。 4. 气体分子运动论:通往宏观的桥梁 这是从粒子到流体的关键跳跃。 硬球模型(Hard Sphere Approximation):我们将复杂的分子相互作用简化为弹性小球的碰撞。 统计分布:我们不再关心某个特定分子的速度,而是关心速度的分布函数(如麦克斯韦-玻尔兹曼分布)。 5. 总结:为什么要从微观讲起? 如果不理解微观的动力学,流体模拟中的各项参数(如粘性系数)就只是空中楼阁。 原视频标题:Computational Fluid Dynamics from Scratch - Microscopic Perspective 原作者:braintruffle #青年创作者成长计划
00:00 / 32:46
连播
清屏
智能
倍速
点赞539
00:00 / 01:09
连播
清屏
智能
倍速
点赞12
【中配】计算流体力学系列:为什么流体不能“倒放”?—统计视角 在流体模拟的构建过程中,我们面临一个深刻的物理矛盾:微观粒子的碰撞定律(如牛顿力学)是时间对称的,但宏观流体的行为(如扩散、粘性衰减)却是时间不可逆的。本期视频将通过统计力学视角,探讨信息还原如何引入了“时间之箭”,并解释为什么我们在模拟中必须排除“反耗散”现象。 1. 微观运动 vs 宏观体验 (00:00) 微观可逆性:如果你录下两个原子的碰撞过程并倒放,它依然符合物理定律。在微观世界,过去和未来的数学地位是对称的。 宏观不可逆性:当你把一滴墨水滴入水中,它会扩散开来。你从未见过墨水自发地从水中重新聚集成一滴。这种从有序到无序的演化定义了宏观经验。 2. 统计视角与波尔兹曼方程 (04:38) 为了连接这两个世界,我们引入了单粒子相空间密度函数 $f(\mathbf{r}, \mathbf{v}, t)$。 波尔兹曼方程 (Boltzmann Equation):它描述了由于粒子运动和碰撞导致的分布函数演化。 信息还原:我们不再关心某个特定原子的精确轨道,而是关心粒子在某个位置、以某种速度出现的概率。这种从“确定的轨道”到“概率密度”的转化,正是信息还原的关键。 3. 耗散倾向与时间之箭 (08:54) 为什么统计视角会导致不可逆性? 耗散 (Dissipation):在宏观尺度上,动能会由于粘性转化为热能。 排除“反耗散”:在数学模拟中,我们必须强制执行热力学第二定律。这意味着能量倾向于从高密度流向低密度,从有序流向无序。 统计概率:虽然微观上存在“逆向运动”的可能性,但在粒子数量极其巨大的系统中,这种可能性在统计上趋近于零。 4. 对流体模拟的意义 理解时间不可逆性对于编写稳定的流体模拟器至关重要: 数值稳定性:如果模拟算法不具备一定的数值耗散,计算可能会因为误差积累而产生不物理的爆炸(反耗散)。 定律的层级:微观定律决定了运动的可能性,而宏观演化律决定了系统的演化方向。 总结 流体模拟不仅仅是解方程,它是在处理信息的丧失。当我们决定用宏观变量来代表微观粒子群时, 原视频标题:Fluid Simulation: Time Irreversibility and Statistical Perspective 原作者:braintruffle #青年创作者成长计划 #最近迷上了新东西
00:00 / 10:55
连播
清屏
智能
倍速
点赞180
00:00 / 00:28
连播
清屏
智能
倍速
点赞10
00:00 / 02:27
连播
清屏
智能
倍速
点赞3
00:00 / 07:49
连播
清屏
智能
倍速
点赞4
【中配】计算流体力学系列二:连续介质和纳维-斯托克斯方程 在上一集中,我们从原子的碰撞中窥见了流体的微观起源。现在,我们要跨越巨大的尺度鸿沟,进入宏观流体动力学的世界。本期视频将重点讨论流体模拟的核心:我们如何描述运动?如何简化复杂的方程?以及那个统治一切的纳维-斯托克斯方程。 1. 稀薄气体与连续介质 (Continuum Perspective) 流体模拟的第一步是判断:我们是否还能把流体看作“连续的”? 克努森数 ($Kn$):这是分子平均自由程与特征长度的比值。当 $Kn$ 极小时,我们进入连续介质力学范畴,此时我们可以定义平滑的压力和速度场。 信息压缩:我们不再追踪每一个分子,而是取其系综平均 (Ensemble Averages)。这意味着在宏观上的一个“点”,在微观上其实包含了数以亿计的分子运动。 2. 描述运动的两种视角:欧拉 vs 拉格朗日 如何记录流体的变化?物理学家提供了两种不同的“摄像机”视角: 欧拉描述 (Eulerian):摄像机架在空间中固定不动。你观察特定位置(如桥洞下)流水的变化。这是 CFD 软件(如网格法)最常用的方式。 拉格朗日描述 (Lagrangian):摄像机系在一个水分子上随波逐流。你追踪每一个特定流体微团的路径。这常见于粒子法模拟(如 SPH)。 ALE 方法 (Arbitrary Lagrangian-Eulerian):一种折中方案,网格可以随流体移动,也可以独立运动,常用于处理剧烈变形的边界(如心脏跳动)。 3. 建模阶梯:不可解结构的降阶 真实流体中存在大量“不可解”的结构(如微小的涡流)。 分级模拟:如果我们要模拟所有尺度的细节,计算量将是天文数字。因此,我们需要对微观变化进行建模,仅在宏观尺度上解方程。 物质导数 (Material Derivative):它告诉我们某处的属性变化由“局部变化”和“对流输运”共同组成。 4. 纳维-斯托克斯方程与不可压缩假设 流体模拟的“圣杯”就是 Navier-Stokes (N-S) 方程。 可压缩流 (Compressible):气体在高超音速下,密度 $\rho$ 剧烈变化。 不可压缩假设 (Incompressible): 原视频标题:A vivid introduction to fluid simulation 原作者:braintruffle #青年创作者成长计划
00:00 / 35:22
连播
清屏
智能
倍速
点赞53
00:00 / 00:35
连播
清屏
智能
倍速
点赞NaN
00:00 / 03:11
连播
清屏
智能
倍速
点赞0