{rfName}
To

Indexat a

Llicència i ús

Icono OpenAccess

Altmetrics

Anàlisi d'autories institucional

Otmani KeAutor (correspondència)Ntoukas GAutor o coautorMariÑo Sanchez, Oscar AndresAutor o coautorFerrer EAutor o coautor

Compartir

27 defebrer de 2023
Publicacions
>
Article

Toward a robust detection of viscous and turbulent flow regions using unsupervised machine learning

Publicat a:Physics Of Fluids. 35 (2): 027112- - 2023-02-01 35(2), DOI: 10.1063/5.0138626

Autors: Otmani, KE; Ntoukas, G; Mariño, OA; Ferrer, E

Afiliacions

Univ Politecn Madrid, Ctr Computat Simulat, Campus Montegancedo, Madrid 28660, Spain - Autor o coautor
Univ Politecn Madrid, Sch Aeronaut, ETSIAE UPM, Plaza Cardenal Cisneros 3, E-28040 Madrid, Spain - Autor o coautor
Universidad Politécnica de Madrid - Autor o coautor

Resum

We propose an invariant feature space for the detection of viscous-dominated and turbulent regions (i.e., boundary layers and wakes). The developed methodology uses the principal invariants of the strain and rotational rate tensors as input to an unsupervised Machine Learning Gaussian mixture model. The selected feature space is independent of the coordinate frame used to generate the processed data, as it relies on the principal invariants of the strain and rotational rate, which are Galilean invariants. This methodology allows us to identify two distinct flow regions: a viscous-dominated, rotational region (a boundary layer and a wake region) and an inviscid, irrotational region (an outer flow region). We have tested the methodology on a laminar and a turbulent (using Large Eddy Simulation) case for flows past a circular cylinder at Re = 40 and Re = 3900 and a laminar flow around an airfoil at Re = 1 × 10 5. The simulations have been conducted using a high-order nodal Discontinuous Galerkin Spectral Element Method. The results obtained are analyzed to show that Gaussian mixture clustering provides an effective identification method of viscous-dominated and rotational regions in the flow. We also include comparisons with traditional sensors to show that the proposed clustering does not depend on the selection of an arbitrary threshold, as required when using traditional sensors.

Paraules clau

algorithmdeepdynamicselement-methodnoiseNeural-networks

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, 2023, es trobava a la posició 2/40, 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: 1.51. 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 14 Nov 2024)

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: 1.45 (font consultada: FECYT Febr 2024)
  • Field Citation Ratio (FCR) de la font Dimensions: 3.55 (font consultada: Dimensions Jul 2025)

Concretament, i atenent a les diferents agències d'indexació, aquest treball ha acumulat, fins a la data 2025-07-23, el següent nombre de cites:

  • WoS: 9
  • Scopus: 9
  • Google Scholar: 5

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 2025-07-23:

  • 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: 9.
  • 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: 8 (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: 0.25.
  • El nombre de mencions a la xarxa social X (abans Twitter): 1 (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

Hi ha un lideratge significatiu, ja que alguns dels autors pertanyents a la institució apareixen com a primer o últim signant, es pot apreciar en el detall: Primer Autor (KHEIR-EDDINE, OTMANI) i Últim Autor (FERRER VACCAREZZA, ESTEBAN).

l'autor responsable d'establir les tasques de correspondència ha estat KHEIR-EDDINE, OTMANI.