DNS（直接数值模拟）的基础
DNS（直接数值模拟）基础的理论基础
概述
老师，DNS是直接解析湍流的所有尺度吧？原理是什么？
DNS（Direct Numerical Simulation）是直接求解Navier-Stokes方程而不使用湍流模型的手法。从Kolmogorov最小尺度 $\eta$ 到积分尺度 $L$，用网格解析所有涡旋。最忠实地再现湍流物理，但所需计算资源是天文数字。
所需的解像度
DNS需要多少网格点？
各方向的网格数与 $L/\eta$ 成正比。Kolmogorov尺度为 $\eta = (\nu^3/\varepsilon)^{1/4}$，积分尺度与之的比由Reynolds数决定。
在三维中，各方向需要这么多格点，所以总格点数为：
如果 $Re = 10^4$ 呢？
$N \sim (10^4)^{9/4} \approx 10^9$。也就是约10亿个格点。而且时间步数与 $Re_L^{1/2}$ 成正比，所以总计算量与 $Re_L^{11/4}$ 成正比。工业级别的 $Re \sim 10^6$ 时 $N \sim 10^{13.5}$，这在当今计算机上基本不可能实现。
支配方程
DNS求解的方程是什么？
对于非压缩性流体，就是普通的Navier-Stokes方程。
没有模型项。这是DNS的最大强点，结果可以看作是N-S方程的"正确答案"。是RANS模型和LES模型验证的最可信数据。
Kolmogorov的标度
能再说一下Kolmogorov尺度吗？
这是湍流能量级联中的最小尺度。
| 尺度 | 公式 | 物理意义 |
|---|---|---|
| 长度尺度 $\eta$ | $(\nu^3/\varepsilon)^{1/4}$ | 粘性耗散主导的最小涡旋尺寸 |
| 速度尺度 $u_\eta$ | $(\nu\varepsilon)^{1/4}$ | 最小涡旋的速度 |
| 时间尺度 $\tau_\eta$ | $(\nu/\varepsilon)^{1/2}$ | 最小涡旋的翻转时间 |
DNS中需要 $\Delta x \leq \pi\eta$（粗略为 $\Delta x \approx 2\eta$），$\Delta t \leq \tau_\eta$。如果网格不满足这个条件，小尺度涡旋会产生反走样并导致计算不稳定。
DNS的"9/4乘幂之墙"——如果将 $Re$ 翻倍，计算量会翻多少倍？
由于DNS需要解析到Kolmogorov尺度，所需格点数以 $N \sim Re^{9/4}$ 的阶数增长。例如，如果 $Re$ 翻倍，计算量就会增加 $2^{9/4} \approx 4.76$ 倍。据说实际的航空机翼DNS（$Re \sim 10^7$）用当今超级计算机需要数十年。DNS被称为"研究理想与现实之间的壁垒"象征，完全就是因为这个无情的指数关系。
DNS（直接数值模拟）基础的数值计算方法
DNS的数值手法
DNS使用什么样的数值格式？
DNS需要高精度格式，防止数值误差污染湍流物理。
| 方法 | 空间精度 | 应用 | 代表性代码 |
|---|---|---|---|
| 谱方法 | 指数级（spectral accuracy） | 周期性简单形状 | Channelflow, SIMSON |
| 紧凑有限差分（6阶） | 6阶 | 稍复杂的形状 | Incompact3d |
| 标准有限差分（2阶中心差分） | 2阶 | 一般形状 | OpenFOAM, Nek5000 |
| 谱元法 | 高阶（p阶） | 复杂形状 | Nek5000, Nektar++ |
谱方法精度最高吗？
是的。对于具有周期边界条件的简单形状（通道流、等向湍流盒等），基于FFT的谱方法最有效率。用3/2法则或Phase Shift去除高波数的反走样。但缺点是只能处理周期边界条件。
压力泊松方程
在非压缩DNS中，压力怎么计算？
为满足连续方程，需要求解压力泊松方程。
谱方法可在波数空间直接求解，效率极高。有限差分法使用迭代法（PCG、FFT-based direct solver等）。
时间积分
时间方向的格式呢？
粘性项通常用隐方法（Crank-Nicolson），对流项用显方法（3阶Adams-Bashforth或低存储Runge-Kutta）组合，这是标准做法。
| 格式 | 精度 | 稳定性 | 典型应用 |
|---|---|---|---|
| AB3 + CN | 2~3阶 | 条件稳定（CFL约束） | 通道流DNS |
| RK3 + CN | 3阶 | 良好 | 高精度DNS |
| RK4 | 4阶 | CFL约束严格 | 谱方法DNS |
DNS的时间步有多小？
需同时满足CFL条件 $\Delta t \leq \Delta x / U_{\max}$ 和粘性稳定条件 $\Delta t \leq \Delta x^2 / (2\nu)$。通道流DNS（$Re_\tau = 590$）中，$\Delta t^+ = \Delta t u_\tau^2/\nu \approx 0.02$。计算需要数万至数十万个时间步。
为什么DNS选谱方法——"微分误差为零"的诱惑
DNS倾向选择傅里叶谱方法的原因是"理论上微分精度无限高"。物理空间差分法的微分误差取决于网格宽度，但傅里叶谱方法独立处理各波数模式，因此达到解析微分的等价精度。但缺点也很明显："只能处理周期边界条件""无法扩展到非均匀网格"。因此DNS往往处理通道流和等向湍流等"简单形状问题"——这其实是追求精度之后的合理选择。
DNS（直接数值模拟）基础的实务应用
DNS的典型应用例
DNS实际用在什么研究上？
DNS数据怎么用？
主要有三个用途。
1. 湍流模型验证：评估RANS模型（k-epsilon、RSM等）和LES SGS模型的精度
2. 物理现象解明：详细分析壁面近处的涡结构、能量级联、转迁机制
3. 机器学习教学数据：为数据驱动湍流模型提供训练数据
DNS数据库
有公开的DNS数据库吗？
用这些数据可以验证RANS模型而不用自己跑DNS吧。
完全同意。尤其是Moser的通道流DNS数据（$Re_\tau = 180, 395, 590, 2003, 5200$）是湍流模型验证的世界标准。速度分布、Reynolds应力、湍流能量收支都公开了。
DNS数据库如何成为"湍流研究的公共财产"
自1987年Kim、Moin、Moser进行通道流DNS并公开数据以来，DNS结果被整个湍流研究社区用作"正确答案"参考。现在JHU湍流数据库、美国VT国家实验室的Petaflops DNS数据库等，都有PB级的DNS数据免费公开。这导致了"与DNS对比验证模型精度"这种验证文化的确立——DNS成为"比实验更诚实的基准"，是湍流研究的基础。
DNS（直接数值模拟）基础的软件对比
适合DNS的软件
商用CFD软件能做DNS吗？
技术上可以，但商用求解器（Fluent、STAR-CCM+等）采用FVM基础，空间精度约2阶，不适合DNS的高精度要求。DNS通常用专门代码。
| 代码 | 方法 | 许可证 | 特点 |
|---|---|---|---|
| Nek5000/NekRS | 谱元法 | 开源 (BSD) | GPU支持、支持复杂形状 |
| Incompact3d/Xcompact3d | 6阶紧凑差分 | 开源 (BSD) | 2DECOMP&FFT支持大规模并行 |
| SIMSON | 谱方法 | 学术许可证 | 通道流·边界层的标准工具 |
| Channelflow | 谱方法 | 开源 (GPL) | 通道流专用 |
| OpenFOAM | FVM (2阶) | 开源 (GPL) | 低Re DNS可用 |
OpenFOAM能做DNS吗？
OpenFOAM是2阶精度FVM，数值耗散对高Re DNS太大。但对足够低的流（$Re < 1000$），可关闭湍流模型来做DNS式求解。用pimpleFoam 设置turbulence off就可以。
GPU支持的动向
用GPU加速DNS的研究进展怎样？
进展很快。NekRS（Nek5000的GPU版）在AMD/NVIDIA GPU上展现出优异的可扩展性，Frontier（AMD MI250X）和Summit（NVIDIA V100）上都可以跑兆级格点DNS。
2022年Gordon Bell奖，报告了用NekRS在Frontier上做飞机周围Wall-Resolved LES（实际上是DNS级别解像度）的计算，达到数百亿格点规模。
DNS是研究最高精度，但Reynolds数的墙立在面前。与LES、DDES的取舍很重要呢。
商用求解器为什么不用DNS——"精度保证"之墙
要说为什么Fluent或StarCCM+不用于DNS，原因很技术性。这些商用求解器采用2阶或最多4阶的空间离散，要达到DNS质量（无误差解析到Kolmogorov尺度）需要超大网格。而谱法基础的代码（Nek5000、Dedalus、spectralDNS等）在研究机构开发并公开，在精度保证上有理论优势。"商用求解器用于工业、DNS特化代码用于研究"这种分工就这样自然生成了。
DNS（直接数值模拟）基础的先端研究
Exascale DNS的时代
最先端的DNS规模有多大？
截至2024年，全球最大规模的DNS如下。
| 研究 | 格点数 | $Re$ | 计算机 |
|---|---|---|---|
| 通道流 ($Re_\tau = 10,000$) | 约1000亿 | $Re_\tau = 10,000$ | 富岳 (RIKEN) |
| 等向湍流 ($Re_\lambda \sim 1300$) | 约2兆 | $Re_\lambda \sim 1300$ | Frontier (ORNL) |
| 翼型DNS ($Re_c = 400,000$) | 约100亿 | $Re_c = 400,000$ | 富岳 |
Exascale计算机（超$10^{18}$ FLOPS）出现，曾经不可能的高Reynolds数DNS逐渐成为现实。但工业级 $Re \sim 10^7$ 仍差数个数量级。
DNS与AI的融合
DNS数据用于AI的研究怎样？
在积极推进。主要方向如下。
| 方向 | 概要 | 代表研究 |
|---|---|---|
| 湍流模型改进 | 用DNS统计量校正RANS模型 | Duraisamy et al. (2019) |
| 超分辨率 | 粗LES→推断DNS级解像度 | Fukami et al. (2019) |
| 流场预测 | 形状→流场的端到端预测 | Thuerey et al. (2020) |
| 代理模型 | 用NN快速近似DNS | Geneva-Zabaras (2020) |
可压缩性DNS
可压缩流的DNS与非压缩性有什么不同？
可压缩DNS还要解析声波，格子要求更严格。音声CFL条件 $\Delta t < \Delta x / c$（$c$：音速）约束时间步。高马赫数流需要冲击捕捉，对数值格式要求更高。
DNS是"揭示湍流真理"的工具，是RANS和LES模型验证的必需武器。随着计算机发展，适用范围会继续扩大，令人期待。
富岳的DNS——$Re_\tau = 10000$ 到达意味着什么
2022年，理化学研究所的富岳超级计算机做通道流DNS达到摩擦Reynolds数 $Re_\tau = 10000$，规模约100亿格点。从这份数据首次得到"真实对数律的精密验证"和"超高Re统计"。值得注意的是，即使这个规模的DNS也未能触及工业应用的Re量级——这说明DNS持续处于"先端研究最前线"的地位。
DNS（直接数值模拟）基础的故障排除
常见问题和对策
DNS计算不顺利时，应该检查什么？
1. 计算发散
症状：速度场发散、NaN出现
原因：CFL条件违反（时间步太大）、解像度不足（未解析Kolmogorov尺度）、反走样误差
对策：
- 将CFL降至 < 0.5
- 检查能量谱，看高波数是否有堆积（反走样）
- 谱方法应用3/2法则de-aliasing
- 细化网格使得 $k_{\max}\eta > 1.5$（$k_{\max}$ 为最大解析波数）
2. 能量谱不满足 $-5/3$ 乘幂律
检查能量谱很重要吗？
非常重要。 惯性子范围内应再现Kolmogorov的 $-5/3$ 乘幂律 $E(k) \sim k^{-5/3}$，这是DNS品质保证的基本。
常见问题：
- 高波数谱上升（反走样）→ 使用de-aliasing
- 惯性子范围太窄 → Reynolds数太低、尺度分离不足
- 谱陡峭下降 → 数值耗散过大（格式精度不足）
3. 统计量与DNS数据库不符
对策：
- 统计收集时间至少 $20 T_E$（$T_E$：大涡翻转时间）
- 利用空间均质性（通道流用流向+展向空间平均）
- 确认初期瞬态已排除
- 边界条件（周期性、无滑移等）正确性再确认
4. 并行计算可扩展性
DNS并行计算要注意什么？
DNS需要大规模并行，但压力泊松方程求解往往成为瓶颈。谱方法中FFT的全对全通信削弱并行效率。对策是用2D域分割（pencil decomposition）或multigrid法。
DNS的品质管理很关键，能量谱检验是必须的。$k_{\max}\eta$ 或 $-5/3$ 乘幂律核实不能少。
DNS的"初始条件地狱"——生成湍流场才是首关
DNS开始遇到的第一个难关往往是初始条件设置。"随便加点噪声到速度场"根本行不通，计算要么发散要么永远是层流。要生成物理意义上的湍流场需要用Isotropic Turbulence Generator（随机模式的傅里叶合成）或Rescaling-Recycling法，这本身就是个小研究课题。DNS研究者之间有个笑话："DNS难的不是计算本身而是初始化，计算前就卡住的人多着呢"。
相关话题
更详细
错误