渦度方程式 — 先端技術と研究動向

渦法（Vortex Method）はラグランジュ的に渦要素を追跡する手法だ。渦度場を離散的な渦要素（点渦、渦ブロブ）の集合で表現する。

ここで $\Gamma_p$ は渦要素の循環、$\zeta_\sigma$ はコアサイズ $\sigma$ の正則化カーネル（例: Gaussian $\zeta_\sigma(r) = \frac{1}{2\pi\sigma^2} e^{-r^2/(2\sigma^2)}$）だ。

Biot-Savartの法則を使って渦度分布から速度を復元する。2次元では

素朴に計算すると $O(N^2)$ だが、FMM（Fast Multipole Method）を使えば $O(N)$ に削減できる。Greengard & Rokhlin（1987）の功績だ。

渦が局在する外部流れ問題に強い。翼の後流、噴流混合、渦輪の衝突などだ。一方、壁面を含む内部流れや乱流の壁面層の解像は苦手で、格子法とのハイブリッド手法が研究されている。

乱流のエネルギーカスケードは渦度の観点から理解できる。大スケールの渦がvortex stretchingにより小スケールの渦を生成し、最終的に粘性でエンストロフィー（渦度の二乗の積分）が散逸する。

エンストロフィーの時間発展は

第1項がvortex stretchingによるエンストロフィー生成、第2項が粘性散逸だ。3次元乱流では生成が散逸を上回り、エンストロフィーが有限時間で爆発的に増大する可能性がある（有限時間特異性問題）。

これはミレニアム懸賞問題の一つだ。3次元N-S方程式の滑らかな解が有限時間で特異性を持つかどうかは未解決。数値的には超高解像度DNS（$4096^3$格子など）で調べられているが、決定的な結論は出ていない。

通常のDNSでは原始変数（速度・圧力）を解いて渦度は後処理で計算する。ただし渦度ベースの定式化を使ったDNSも研究されていて、Kim & Moin（1985）が先駆的だ。

LESでは格子スケール以下の渦度はサブグリッドモデルで表現する。WALE（Wall-Adapting Local Eddy-viscosity）モデルは速度勾配テンソルの対称無跡部分を使い、壁面近傍で渦粘性が自然にゼロになる優れた特性を持つ。

注目すべき研究動向は以下だ。

• PINN（Physics-Informed Neural Network）: 渦度輸送方程式を損失関数に組み込んだ深層学習による流れ場予測
• 渦度閉じ込め法（Vorticity Confinement）: 数値拡散で減衰する渦度を人工的に補強する手法。航空機の後流解析で実用化
• Lattice Boltzmann法との融合: 格子ボルツマン法で得た速度場から渦度を効率的に計算する研究
• GPU加速渦法: FMMのGPU実装により $10^7$ 渦要素のリアルタイム計算が可能に

実験データが速度場の一部しか得られない場合でも、渦度方程式という物理法則を制約として入れることで、観測されていない領域の渦度場を推定できる。PIV（粒子画像流速計）データの補完・超解像に応用されているよ。