直接数值模拟 (DNS) — CAE术语解释
DNS 是什么
DNS是指"不使用湍流模型直接求解Navier-Stokes方程"吗？为什么这很特别？
问得很好。湍流中存在从大涡到小涡的庞大尺度范围，能量以级联方式从大涡传递到小涡。最小的涡的尺度称为Kolmogorov尺度 $\eta$，DNS要用格子解析到这个 $\eta$。与普通CFD不同的是，DNS不进行任何模型近似，因此模型误差为零，可以得到"真解"，这是DNS的最大优势。
Kolmogorov尺度是多大？
Kolmogorov尺度由以下公式表示：
其中 $\nu$ 是动粘性系数，$\varepsilon$ 是湍流能量耗散率。例如，水管内的流动（Re=10,000左右）中，$\eta$ 约为0.1毫米；汽车周围的流动（Re=10⁷）中，则在数微米级。用网格解析到这样的尺度会导致网格点数达到天文数字。
DNS 的计算成本
我听说计算成本与 $Re^3$ 成正比。具体有多困难？
先看一下尺度比。最大尺度 $L$ 与最小尺度 $\eta$ 的比为：
在三维空间中，格子点数 $N$ 为：
$$N \sim \left(\frac{L}{\eta}\right)^3 \sim Re^{9/4}$$加上时间步也需要缩小，总计算成本与 $Re^3$ 成正比。Re=1,000的通道流需要数百万个格子点，还勉强可以处理；但汽车周围Re=10⁷的流动需要10¹⁶阶的格子点，现有任何超级计算机都无能为力。
10¹⁶…… 一京个网格点？那绝对没法做。
正是。所以对工业高Reynolds数问题应用DNS基本上不可行。现在超级计算机能做到的DNS极限是Re数千到数万量级。东京大学2024年用"富岳"超级计算机做的通道流DNS，Re_τ ≈ 8,000左右，也用了数万亿个格子点。
DNS 能用的情况
那DNS实际上用在什么地方呢？既然这么难，是不是就没意义了？
不对，DNS的价值很大。主要用途如下：
- 湍流模型验证数据库：用DNS的"真解"与RANS和LES的湍流模型对比验证，判断模型是否正确。比如Johns Hopkins Turbulence Database（JHTDB）向全球研究人员公开DNS结果，被大量研究引用。
- 湍流物理现象解析：壁面附近的涡结构、转变机制等实验难以测量的三维流场可以通过DNS完全可视化。
- 低Reynolds数实用问题：微流体器件、生物体内血流（Re=数百到数千）的情况下，DNS能直接计算。
原来如此，就是"用DNS制作正确答案，然后用它来精确化更便宜的方法"这样的用法啊。
完全正确。最近还有一个趋势是用DNS数据训练机器学习，开发更高精度的湍流模型。在Physics-Informed Neural Network（PINN）和Data-Driven Turbulence Modeling等领域，DNS数据成为了不可或缺的"教师数据"。
DNS vs LES vs RANS
简单整理如下：
| 方法 | 涡解析 | 格子点数（Re=10⁴） | 应用 |
|---|---|---|---|
| DNS | 所有尺度 | ～10⁷ | 学术研究·验证数据 |
| LES | 只有大涡（SGS模型） | ～10⁵～10⁶ | 空气动力噪声·非定常流 |
| RANS | 无（全部模型化） | ～10⁴～10⁵ | 工业设计主流 |
精度从高到低为DNS > LES > RANS，但计算成本也按此顺序增加。实务中要根据成本和精度平衡选择，例如汽车空调导管设计用RANS足够；航空器翼尖涡噪声预测需要LES；验证这些湍流模型的有效性就要参考DNS。这是一个分层的使用方式。
如果超级计算机更快，将来是不是能用DNS计算汽车周围的流动？
理论上有可能。但Re=10⁷的流动用DNS求解，需要现在计算机性能的10⁶到10⁸倍，即便摩尔定律继续适用也要几十年。所以现实中，WMLES（Wall-Modeled LES，带壁面模型的LES）和RANS/LES混合方法（DES、IDDES等）的发展可能影响更大。
我理解DNS就是"有终极精度但使用范围有限的特殊工具"，这样对吗？
理解完全正确。DNS是湍流研究的"金标准"，是其他方法的基础。在CFD世界，DNS结果作为可信的参考基准被持续引用。虽然不是直接用于实务，但间接地支撑了所有CFD分析的信任度，是极其重要的方法。
准确理解CAE术语是团队沟通的基础。— Project NovaSolver也致力于支持实务工作者的学习。
请告诉我们在直接数值模拟 (DNS) 实务中感受到的课题
Project NovaSolver旨在解决CAE工程师日常面对的课题——设置的复杂性、计算成本、结果解释。你的实务经验将成为开发更好工具的动力。
联系我们（筹备中）相关话题
更详细
错误