{rfName}
To

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

23

Altmetrics

Article has an altmetric score of 1

Análisis de autorías institucional

Otmani KeAutor (correspondencia)Ntoukas GAutor o CoautorMariÑo Sanchez, Oscar AndresAutor o CoautorFerrer EAutor o Coautor

Compartir

Publicaciones
>
Artículo

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

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

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

Afiliaciones

Resumen

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.

Palabras clave

algorithmdeepdynamicselement-methodnoiseNeural-networks

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, 2023, se encontraba en la posición 2/40, 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: 1.51. 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 14 Nov 2024)

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: 1.45 (fuente consultada: FECYT Feb 2024)
  • Field Citation Ratio (FCR) de la fuente Dimensions: 3.83 (fuente consultada: Dimensions Jun 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2025-06-01, el siguiente número de citas:

  • WoS: 9
  • Scopus: 9
  • Google Scholar: 5
  • OpenCitations: 7

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 2025-06-01:

  • 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: 8.
  • 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: 8 (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: 0.25.
  • El número de menciones en la red social X (antes Twitter): 1 (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

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (KHEIR-EDDINE, OTMANI) y Último Autor (FERRER VACCAREZZA, ESTEBAN).

el autor responsable de establecer las labores de correspondencia ha sido KHEIR-EDDINE, OTMANI.