DES（Detached Eddy Simulation） — 先端技術と研究動向

元々のDESでは、壁面近傍でメッシュを細かくしすぎると、グリッド幅 $\Delta$ が小さくなってRANS→LESの切替えが境界層内で発生してしまう。LESモードに切り替わった境界層は渦の解像度が足りず、レイノルズ応力が低下して人工的な剥離が起きる。これがGISだ。

GIS問題は壁面近傍の等方的メッシュ細分化で特に顕著になる。例えばLES領域のために全体を等方的に細分化すると、壁面近傍もLESモードに入ってしまう。

DDES (Spalart et al., 2006) は遅延関数 $f_d$ を導入して、境界層内では強制的にRANSを維持する。

$f_d = 1 - \tanh[(8 r_d)^3]$ で、$r_d$ は境界層内で大きく、境界層外で小さい。

IDDES (Shur et al., 2008) はさらに進んで、WMLESモードも統合した。壁面近傍メッシュが細かい場合はWMLESとして動作し、粗い場合はDDESとして動作する。DDESとWMLESの自動切替えを実現する統合フレームワークだ。

計算領域の特定部分だけをLESで解き、残りはRANSで解く手法だ。DESは自動的にRANS/LES切替えが起きるが、Embedded LESでは明示的にLES領域を指定する。

FluentではEmbedded LES（eLES）がサポートされており、RANS→LES界面にSynthetic Turbulence Generator（STG）を適用して乱流変動を注入する。特定の領域（翼の後縁付近など）だけにLESを適用したい場合に有効だ。

近年、MLでDESのRANS/LES境界のブレンディングを最適化する研究がある。また、超解像技術（Super-Resolution）を使って、粗いDES結果からDNS級の統計量を推定するアプローチも提案されている。Fukami et al. (2019) のCNNベース超解像がその代表だ。