{rfName}
Th

Llicència i ús

Licencia Icono OpenAccess

Altmetrics

Anàlisi d'autories institucional

Hoyas, SAutor o coautor

Compartir

30 d’octubre de 2024
Publicacions
>
Article

Three-dimensional ESRGAN for super-resolution reconstruction of turbulent flows with tricubic interpolation-based transfer learning

Publicat a: PHYSICS OF FLUIDS. 34 (12): 125126-1-125126-14 - 2022-01-01 34(12), DOI: 10.1063/5.0129203

Autors:

Yu, Linqui; Yousif, Mustafa Z.; Zhang, Meng; Hoyas, S; Vinuesa, Ricardo; Lim, Hee-Chang
[+]

Afiliacions

KTH Royal Inst Technol, FLOW, Engn Mech - Autor o coautor
Pusan Natl Univ, Sch Mech Engn, 2,Busandaehak ro 63beon gil - Autor o coautor
Univ Politecn Valencia, Inst Univ Matemat Pura & Aplicada - Autor o coautor
Veure més

Resum

Turbulence is a complicated phenomenon because of its chaotic behavior with multiple spatiotemporal scales. Turbulence also has irregularity and diffusivity, making predicting and reconstructing turbulence more challenging. This study proposes a deep-learning approach to reconstruct three-dimensional (3D) high-resolution turbulent flows from spatially limited data using a 3D enhanced super-resolution generative adversarial networks (3D-ESRGAN). In addition, a novel transfer-learning method based on tricubic interpolation is employed. Turbulent channel flow data at friction Reynolds numbers R e tau = 180 and R e tau = 500 were generated by direct numerical simulation (DNS) and used to estimate the performance of the deep-learning model as well as that of tricubic interpolation-based transfer learning. The results, including instantaneous velocity fields and turbulence statistics, show that the reconstructed high-resolution data agree well with the reference DNS data. The findings also indicate that the proposed 3D-ESRGAN can reconstruct 3D high-resolution turbulent flows even with limited training data.
[+]

Paraules clau

Channel flowChaotic behaviourDeep learningDirect numerical-simulationGenerative adversarial networksHigh resolutionImage reconstructionInternet protocolsInterpolationLearning approachLearning systemsLimited dataOptical resolving powerReynolds numberSpatio-temporal scaleSuper-resolution reconstructionSuperresolutionTransfer learningTransfer learning methodsTricubic interpolationTurbulenceTurbulent flow

Indicis de qualitat

Impacte bibliomètric. Anàlisi de la contribució i canal de difusió

El treball ha estat publicat a la revista PHYSICS OF FLUIDS a causa de la seva progressió i el bon impacte que ha aconseguit en els últims anys, segons l'agència WoS (JCR), s'ha convertit en una referència en el seu camp. A l'any de publicació del treball, 2022, es trobava a la posició 2/34, aconseguint així situar-se com a revista Q1 (Primer Cuartil), en la categoria Physics, Fluids & Plasmas. Destacable, igualment, el fet que la revista està posicionada per sobre del Percentil 90.

Des d'una perspectiva relativa, i tenint en compte l'indicador de impacte normalitzat calculat a partir de les Citacions Mundials proporcionades per WoS (ESI, Clarivate), proporciona un valor per a la normalització de citacions relatives a la taxa de citació esperada de: 5.35. Això indica que, comparat amb treballs en la mateixa disciplina i en el mateix any de publicació, el situa com un treball citat per sobre de la mitjana. (font consultada: ESI 13 Nov 2025)

Aquesta informació es reforça amb altres indicadors del mateix tipus, que encara que dinàmics en el temps i dependents del conjunt de citacions mitjanes mundials en el moment del seu càlcul, coincideixen a posicionar en algun moment el treball, entre el 50% més citats dins de la seva temàtica:

  • Mitjana Ponderada de l'Impacte Normalitzat de l'agència Scopus: 6.6 (font consultada: FECYT Mar 2025)

Concretament, i atenent a les diferents agències d'indexació, aquest treball ha acumulat, fins a la data 2026-04-02, el següent nombre de cites:

  • WoS: 54
  • Scopus: 62
[+]

Impacte i visibilitat social

Des de la dimensió d'influència o adopció social, i prenent com a base les mètriques associades a les mencions i interaccions proporcionades per agències especialitzades en el càlcul de les denominades "Mètriques Alternatives o Socials", podem destacar a data 2026-04-02:

  • L'ús, des de l'àmbit acadèmic evidenciat per l'indicador de l'agència Altmetric referit com a agregacions realitzades pel gestor bibliogràfic personal Mendeley, ens dona un total de: 30.
  • L'ús d'aquesta aportació en marcadors, bifurcacions de codi, afegits a llistes de favorits per a una lectura recurrent, així com visualitzacions generals, indica que algú està fent servir la publicació com a base del seu treball actual. Això pot ser un indicador destacat de futures cites més formals i acadèmiques. Aquesta afirmació està avalada pel resultat de l'indicador "Capture", que aporta un total de: 27 (PlumX).

Amb una intenció més de divulgació i orientada a audiències més generals, podem observar altres puntuacions més globals com:

  • El Puntuació total de Altmetric: 1.
  • El nombre de mencions a la xarxa social X (abans Twitter): 2 (Altmetric).

És fonamental presentar evidències que recolzin l'alineació plena amb els principis i directrius institucionals sobre Ciència Oberta i la Conservació i Difusió del Patrimoni Intel·lectual. Un clar exemple d'això és:

  • El treball s'ha enviat a una revista la política editorial de la qual permet la publicació en obert Open Access.
[+]

Anàlisi del lideratge dels autors institucionals

Aquest treball s'ha realitzat amb col·laboració internacional, concretament amb investigadors de: Republic of Korea; Sweden; United States of America.

[+]

Reconeixements vinculats a l’ítem

This work was supported by "Human Resources Program in Energy Technology" of the Korea Institute of Energy Technology Evaluation and Planning (KETEP), granted financial resource from the Ministry of Trade, Industry & Energy, Republic of Korea (No. 20214000000140). In addition, this work was supported by the National Research Foundation of Korea (NRF) grant funded by the Korea government (MSIP) (No. 2019R1I1A3A01058576). This work was also supported by the National Supercomputing Center with supercomputing resources including technical support (No. KSC-2022-CRE-0282). R.V. acknowledges the financial support from the ERC Grant No. 2021-CoG-101043998, DEEPCONTROL. S.H. was funded by Contract No. PID2021-128676OB-I00 of Ministerio de Ciencia, innovacion y Universidades/FEDER.
[+]