{rfName}
Th

Licencia y uso

Licencia Icono OpenAccess

Altmetrics

Investigadores/as Institucionales

Hoyas, SAutor o Coautor

Compartir

30 de octubre de 2024
Publicaciones
>
Artículo

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

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

Autores:

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

Afiliaciones

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
Ver más

Resumen

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.
[+]

Palabras clave

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

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista PHYSICS OF FLUIDS debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2022, se encontraba en la posición 2/34, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Physics, Fluids & Plasmas. Destacable, igualmente, el hecho de que la Revista está posicionada por encima del Percentil 90.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir de las Citas Mundiales proporcionadas por WoS (ESI, Clarivate), arroja un valor para la normalización de citas relativas a la tasa de citación esperada de: 5.35. Esto indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: ESI 13 Nov 2025)

Esta información viene reforzada por otros indicadores del mismo tipo, que aunque dinámicos en el tiempo y dependientes del conjunto de citaciones medias mundiales en el momento de su cálculo, coinciden en posicionar en algún momento al trabajo, entre el 50% más citados dentro de su temática:

  • Media Ponderada del Impacto Normalizado de la agencia Scopus: 6.6 (fuente consultada: FECYT Mar 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2026-04-02, el siguiente número de citas:

  • WoS: 54
  • Scopus: 62
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-02:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 30.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 27 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 1.
  • El número de menciones en la red social X (antes Twitter): 2 (Altmetric).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
[+]

Análisis de liderazgo de los autores institucionales

Este trabajo se ha realizado con colaboración internacional, concretamente con investigadores de: Republic of Korea; Sweden; United States of America.

[+]

Reconocimientos ligados al 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.
[+]