Моделирование скорости колебательной релаксации с помощью методов машинного обучения

Цель исследования - разработка эффективного алгоритма решения задач неравновесной газовой динамики в приближении детальной поуровневой колебательнохимической кинетики. Обсуждается оптимизация расчета скорости колебательной релаксации с использованием алгоритмов машинного обучения. Поскольку традиционные методы расчета требуют большого числа операций, затрат времени и памяти, предлагается вместо прямых вычислений прогнозировать скорость релаксации. Рассмотрены алгоритмы K-ближайших соседей и градиентного бустинга на основе гистограмм. Алгоритмы были обучены на наборах данных, полученных с использованием двух классических моделей коэффициентов скорости реакций: модели нагруженного гармонического осциллятора и моделиШварца-Славского-Герцфельда. Обученные алгоритмы использовались для решения задачи пространственно однородной релаксации смеси $O_2-O$. Проведено сравнение точности и времени расчета разными методами. Показано, что используемые алгоритмы позволяют с хорошей точностью аппроксимировать значения релаксационных членов и приближенно решить систему уравнений для макропараметров. На основании полученных данных можно рекомендовать использование методов машинного обучения в задачах неравновесной газовой динамики с детальной колебательно-химической кинетикой. Обсуждаются пути дальнейшей оптимизации рассмотренных методов.