A multi-domain lattice Boltzmann mesh refinement method for non-Newtonian blood flow modeling
Notice bibliographique
Résumé
Multi-domain grid refinement is a well-established technique in lattice Boltzmann methods. However, the method is currently limited to the Newtonian flow and no established method exists for lattice Boltzmann mesh refinement in non-Newtonian fluids. This study introduces a new method for lattice Boltzmann multi-domain mesh refinement in non-Newtonian fluids, by employing rescaling, transition, and interpolation of the relaxation frequencies across the domains interface. The method also involves a correction scheme to resolve shear rate inequality across the interface, particularly in low shear rate regions of a shear-thinning flow. To adapt the method for blood flow simulations in vascular systems, it was further extended to address three dimensional (3D) cases with curved boundary interfaces, using a ghost node technique. The method was verified in two dimensions, through Hagen–Poiseuille and lid-driven cavity flows, as well as in 3D, with steady flow in an idealized stenosis, and pulsatile flow in a patient-specific aneurysm. Results were compared with fine single-resolution simulations and existing literature, showing strong agreement. The aneurysm simulation showed good agreement with wall shear stress predictions from the fine single-resolution simulation. The relative L2 norm of wall shear stress difference between the multi-domain and fine-grid simulation were 0.006 and 0.009 at end-diastole and peak-systole, respectively. Overall, the proposed method facilitates the efficient use of computational resources through mesh refinement. Combined with the high scalability of the lattice Boltzmann method for parallel simulations—attributable to the locality of computations, including shear rate calculations—this approach is well-suited for high-fidelity investigations of blood flow in arteries.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».