让我们停止使用RANS模型
本周，来自 M-Star 欧洲中心有限公司的约翰内斯・伍茨（Johannes Wutz）做客节目，与约翰一同探讨湍流模型。
“如果我不得不做 RANS 模拟，那我就得准备好调出一堆‘字母汤’模型。因为我必须疯狂调参，才能弥补这类方法无法捕捉的缺失物理。”—— 约翰・托马斯
本期节目中，约翰与约翰内斯将解答：
- 什么是湍流模型？
- 什么是 RANS，它为何如此普及？
- 有哪些替代方案？
- 更优秀的湍流模型对工业应用意味着什么？
约翰・托马斯：大家好，感谢收听本期节目。今天我们来聊聊湍流模型，简单说说 RANS、LES 以及 DNS。为了更好地展开今天的讨论，我邀请到了来自 M-Star 欧洲中心有限公司的约翰内斯・伍茨，和我们分享他在湍流建模方面的经验、行业里出现的新范式，以及对工业应用的影响。约翰内斯，非常感谢你来到这里。
约翰内斯・伍茨：谢谢约翰。
约翰・托马斯：你现在是从德国连线，很感谢你在百忙之中抽出时间。你目前在 M-Star 负责软件开发、代码验证和客户支持。和我们说说你的经历吧，讲讲你在工程、计算物理和 CFD 方面的背景。
约翰内斯・伍茨：我在斯图加特大学完成了博士论文，方向是生物过程工程，内容是针对制药行业的搅拌釜式生物反应器，做 CFD 和 AI 模型。博士毕业后，他们很认可我的工作，也认可我这个人，我就加入了我们的行业合作伙伴公司，在那里工作了大约五六年。在那之前，我从来没听说过 M-Star，直到我们的一个客户在用它，而且得到的结果比我们用自己方法做出来的要好得多。后面的故事你们就知道了 —— 我联系了你们，开始试用，立刻就被圈粉了。从一开始我就非常喜欢这款软件。
约翰・托马斯：这个故事很棒。那你最早是怎么接触到 CFD 的？年轻时第一次了解到这些建模概念和范式是什么时候？
约翰内斯・伍茨：我最早是在生物工程专业学习期间接触到的。我特别喜欢它的可视化效果，因为那些物理场呈现出来非常漂亮，能从中获取的信息也远超单纯的数字。
约翰・托马斯：没错。我发现一个很普遍的现象：做建模的人常常被刻板印象成只看数字、只看表格，但我们很多人进入这个领域，其实是因为喜欢可视化。能在屏幕上看到并渲染极其复杂的传递现象，对我来说非常有成就感，而且我发现其他建模者也大多如此。
约翰内斯・伍茨：完全同意。
约翰・托马斯：听起来你在研究生阶段就开始做模拟了？
约翰内斯・伍茨：是的。
约翰・托马斯：几乎所有 CFD 相关的讨论，都会从湍流模型开始。这对层流体系可能不重要，但对于过渡流和湍流，人们通常都会讨论湍流的处理方式。约翰内斯，什么是湍流模型？
约翰内斯・伍茨：其实在理想世界里，我们根本不需要湍流模型。如果我们有极致的算力 —— 可能 100 年以后吧 —— 我们可以直接解析所有流动结构。湍流存在一个能量级串，从惯性子区一直传递到耗散区。直接数值模拟（DNS）可以把所有结构都解析出来，但这显然不现实。也许很小的体系可以，但在工业实际应用中，你必须使用某种湍流模型：不去解析小尺度结构，而是用不同方法把它们 “模化”。
约翰・托马斯：明白了。那我们经常听到不同术语：RANS、LES。这些不同类型的湍流模型有什么区别？是都一样，还是精度不同？
约翰内斯・伍茨：RANS 模型非常普及，原因我们后面会说。它的基本思想是：对速度脉动做时间平均，这部分是不解析的，然后推导方程，再用不同的模型去封闭，比如 k-ε、k-ω 这类模型。
约翰・托马斯：懂了。你刚才提到了两个极端：一端是直接数值模拟 DNS，试图捕捉所有流动，需要极高分辨率，只适用于小尺度完全湍流体系。
另一端听起来像是：我们干脆放弃显式模拟瞬态行为，把所有东西都塞进一个参数化的湍流封闭模型里，也就是 RANS？我喜欢简单模型，但这种时间平均、全部塞进封闭模型的方式，有没有局限性？
约翰内斯・伍茨：有，而且我一点也不觉得 RANS 简单。它其实非常复杂，通常多一到两个偏微分方程，而且是强耦合的，非常难理解，也很难建立直观感觉。
显然，它最大的局限是：本质上是非瞬态的。
约翰・托马斯：这点很关键。
约翰内斯・伍茨：是的。
约翰・托马斯：我们在用非瞬态的湍流模型，去模拟本质上是瞬态的过程。
约翰内斯・伍茨：完全正确。你当然可以基于这些模型做瞬态模拟，但这本身就有点矛盾，对吧？根据我的经验，在处理混合这类瞬态过程时，结果并不理想，这其实也很直观。
约翰・托马斯：没错，就像你把这层 “皇帝的新衣” 剥开一样：我们在用时间平均的流场，去模拟瞬态传递过程。一旦说出来，你就会发现问题很明显。
你刚才提到的参数化这点很有意思。一端是 DNS，它需要我们设置各种参数、各种旋钮吗？你说 RANS 有很多参数，那 DNS 呢？
约翰内斯・伍茨：完全不需要。因为就像我说的，DNS 是把所有物理都直接解析，物理是自洽的，不需要额外参数。
约翰・托马斯：这里有个很有意思的规律：我们显式解析的物理越多，需要半经验模化的部分就越少。换句话说：模拟中直接捕捉的内容越少，模型就越复杂、参数越多。
“如果我不得不做 RANS 模拟，那我就得准备好调出一堆‘字母汤’模型。因为我必须疯狂调参，才能弥补这类方法无法捕捉的缺失物理。”
约翰内斯・伍茨：没错。
约翰・托马斯：但 RANS 的优点至少是让问题变得可算，对吧？如果 DNS 不现实，至少 RANS 能让计算机算得动。
约翰内斯・伍茨：完全正确。
约翰・托马斯：我想这就是它普及的原因。
约翰内斯・伍茨：这是原因之一。它需要的资源很少。还有一点不能忽略：传统惯性。关于 RANS 的文献浩如烟海，很多人在这些模型之上构建了各种物理。当你刚开始学 CFD 时，自然不敢用那些没有被引用上百次的东西，对吧？
约翰・托马斯：哈哈，确实。
约翰内斯・伍茨：我认为这也是一个重要因素。
约翰・托马斯：很真实。80 年代有句名言：“从来没有人因为买 IBM 而被开除。”意思就是：跟着前人做，准没错。
这句话放到今天也适用：“从来没有人因为用 RANS 而被开除。”他们可能啥新东西也没学到，但肯定不会丢工作。
约翰内斯・伍茨：一点没错。
约翰・托马斯：我们来聊聊其他方法。我们已经说了 RANS 和 DNS，中间有没有方案？
约翰内斯・伍茨：有，就是LES 大涡模拟。它的分辨率要求比 RANS 高，但模型本身非常简单，只是对纳维–斯托克斯方程做一个低通滤波。它同样属于涡粘模型，思路是：把小尺度湍流看作更高的黏性，很多模型都是基于这个思想。
约翰・托马斯：你刚才说 “更简单”，是不是意味着更少的调参和旋钮？
约翰内斯・伍茨：对。实际上它只有一个所谓的调参，而且这个参数是从模拟中推导出来的，不是人为瞎调的，是封闭确定的。
约翰・托马斯：这就很棒，我不用每次跑模拟都去调它。那 LES 是瞬态的吗？
约翰内斯・伍茨：当然是。
约翰・托马斯：所以它更接近 DNS 那一端，而不是时间平均那一端，能够模拟瞬态流动与传递物理。
约翰内斯・伍茨：完全正确。其实你不关掉 LES 滤波也能跑 DNS，它只是不起作用而已。两者之间是平滑过渡的，这也是 LES 最大的优势之一。
像 k-ε 这类 RANS 模型，你必须确保流动处于完全湍流状态；但 LES 不需要这个假设，你可以直接模拟整个流动范围，不用操心工况问题。
约翰・托马斯：我也见过这点。我们可以用同一套模型，从雷诺数 1 一直算到 100 万，不需要重新调整封闭模型参数。这非常厉害，意味着我们不用依赖经验公式去匹配不同流动物理。
约翰内斯・伍茨：完全正确。
约翰・托马斯：LES 听起来是非常有前景的中间路线，那为什么它没有成为标准方法？为什么大家还是直接用高度参数化、半经验的 RANS？
约翰内斯・伍茨：因为它计算开销更大。用传统有限体积法的话，工业级别的 LES 必须靠集群才能跑。但 ** 格子玻尔兹曼方法（LBM）** 不一样，它天然支持高分辨率和小时间步，因此可以很方便地使用 LES。
约翰・托马斯：明白了。正因为我们能使用全瞬态算法，且拥有合适的分辨率和时间步长，才能用上更优秀的湍流模型。
约翰内斯・伍茨：没错。格子玻尔兹曼是显式、瞬态方法，和 LES 完美契合。
约翰・托马斯：简直是天作之合。我可以说，基于有限体积的传统软件，几乎很少尝试在工业场景下做 LES，原因就是你说的那样，根本不现实。结果就是：大家都在疯狂调参，但模型结果通用性很差。
约翰内斯・伍茨：是的。
约翰・托马斯：约翰内斯，那M-Star 的特别之处在哪？为什么 M-Star 敢于直接采用更优秀的湍流模型？它怎么能在需要更高分辨率、更小时间步的高精度湍流模型下，还能和基于 CPU 的 RANS 求解器竞争？
约翰内斯・伍茨：因为 M-Star 从一开始就是为 GPU 运行而设计的。最近 GPU 这么火是有原因的：只要算法匹配，GPU 比 CPU 快得多，可以让模拟速度提升几个数量级，因此几分钟就能跑完实际时间的模拟，完全没问题。
约翰・托马斯：也就是说，转向基于 GPU 的计算，让我们能更快地运行更高精度的模拟。
约翰内斯・伍茨：完全正确。这在我之前的工业工作中非常关键。说实话，用 RANS 时，我对自己的结果信心不足—— 我们总在用非瞬态模型，去解决本质上是瞬态的问题，一直处于巨大的妥协之中。而这个问题被 M-Star 解决了。我对结果的信心大幅提升，能在更短时间内生成更多信息，而且在我的经验里，结果更可靠。
约翰内斯・托马斯：靠的就是这些基于 GPU 的 LES 模拟。
约翰内斯・伍茨：没错。
约翰・托马斯：这太酷了，我也有同样的感受。约翰内斯，这些信息非常有价值。如果大家想学习这些更优秀的湍流模型和框架，应该从哪里入手？看什么资料？怎么开始学习？
约翰内斯・伍茨：市面上有很多优秀的文献、很棒的 YouTube 视频等等。
但说真的，最好的方法就是：亲自试一试。申请试用，装起来，跑一跑，你自己一看就明白了。
约翰・托马斯：很实在，而且这也是你的经历。一旦你用上过更优秀的模型范式……
约翰内斯・伍茨：就再也回不去了。
约翰・托马斯：再也回不去了，我也深有体会。约翰内斯，今天非常感谢。我知道我们有时差，也知道你很忙，真的很感谢你分享专业见解。
约翰内斯・伍茨：不客气，谢谢你们。
