Saltar a contenido

Estructura de la Suite

Bienvenidos a la documentación técnica oficial de Shardian, la suite de computación de fluidos de alto rendimiento y modelado atmosférico de mesoescala impulsada por inteligencia artificial física y modelado simbólico de vanguardia.

Shardian integra representaciones neuro-simbólicas directamente en los resolvedores numéricos estándar. Al representar los modelos de aprendizaje profundo como expresiones algebraicas cerradas, Shardian logra la precisión del Deep Learning con cero sobrecoste en tiempo de ejecución.

El Paradigma Híbrido IA-Física

Los enfoques tradicionales de aprendizaje automático para simulaciones físicas fallan por: 1. Alto Coste Computacional: Evaluar redes neuronales profundas (DNN) en cada celda y paso de tiempo en CFD o WRF es extremadamente lento. 2. Falta de Conservación Física: Los modelos puramente de "caja negra" violan la conservación de masa, momento y energía. 3. Divergencia Fuera de Distribución (OOD): Las redes neuronales divergen cuando se prueban en regímenes de flujo o condiciones de contorno fuera de su conjunto de entrenamiento.

Shardian supera estas limitaciones mediante Regresión Simbólica (EML-SR). Entrenamos redes profundas sobre datos DNS (Direct Numerical Simulation) de alta fidelidad, extraemos las relaciones físicas subyacentes como ecuaciones algebraicas cerradas y las inyectamos directamente en las ecuaciones de conservación tradicionales (RANS para CFD, MOST/PBL para WRF).

graph TD
    A["Datos DNS / Alta Fidelidad"] --> B["Entrenamiento EML-SR"]
    B --> C["Extracción de Ecuaciones Simbólicas"]
    C --> D["Código Nativo C++ / Fortran"]
    D --> E["Resolvedor Numérico (OpenFOAM / WRF)"]
    E --> F["Simulación Físicamente Acotada y Ultra-Rápida"]

Resolvedores de la Suite

La suite de Shardian se divide en dos motores de simulación independientes:

1. Shardian Aero (Dinámica de Fluidos Computacional)

  • Objetivo: Flujos de ingeniería, aerodinámica y modelado de turbinas.
  • Resolvedor: AdvancedZonalModel integrado en OpenFOAM.
  • Mecanismo: Implementa una formulación de turbulencia zonal que ajusta las correcciones de viscosidad dinámicamente según el número de Reynolds local y los tensores de deformación.
  • Beneficio Clave: Predice longitudes de separación y reincorporación de flujo dentro de los rangos experimentales en mallas gruesas, con tiempos de ejecución casi idénticos a los modelos clásicos \(k-\omega\) SST.

2. Shardian Atmos (Meteorología de Mesoescala)

  • Objetivo: Evaluación de recursos eólicos, predicción del tiempo y modelado de microclimas.
  • Resolvedor: Esquemas acoplados EML-SR de capa límite y superficial en WRF.
  • Mecanismo: Modula dinámicamente la transferencia de calor y momento acoplando la resistencia del suelo y la vegetación (canopy).
  • Beneficio Clave: Elimina el "sesgo cálido diurno" y el desacoplamiento nocturno en simulaciones continentales. Se distribuye como un contenedor portable de Singularity (shardian_atmos.sif).

Diagrama de la Arquitectura

El espacio de trabajo coordina el entrenamiento, la exportación de pesos y la ejecución en tiempo real de ambos resolvedores:

graph LR
    subgraph "Entrenamiento (Python/JAX)"
        EML["eml-sr-core"]
    end
    subgraph "Shardian Aero (C++)"
        OF["applications/openfoam_cfd"]
    end
    subgraph "Shardian Atmos (Fortran)"
        WRF["applications/wrf"]
    end
    subgraph "Licencias (Go/SQLite)"
        LS["applications/license-server"]
    end

    EML -->|export_aero_weights.py| OF
    EML -->|export_fortran_models.py| WRF
    OF -->|Ping HTTPS de Auth| LS
    WRF -->|Ping HTTPS de Auth| LS