Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaMekanik & manufakturCollaborative Research: Explainable deep learning for cavitation control: from first-principles simulations to reinforcement-learning strategies
Proyek riset & pengembangan

Collaborative Research: Explainable deep learning for cavitation control: from first-principles simulations to reinforcement-learning strategies

Ringkasan tujuan riset

Prediksi serta penekanan kavitasi diteliti dengan simulasi termodinamika dan explainable deep learning, untuk mengenali struktur turbulensi yang memicu bubble sebelum memberi aksi kendali.

Mekanik & manufaktur1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2535652Periode tercatat 2026-02-15 sampai 2029-01-31.NSF 2535652MulaiAkhir tercatat202620302026-02-152029-01-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Simulasi berfidelitas tinggi mengikuti pembentukan dan evolusi uap untuk menghubungkan aliran dengan kejadian cavitation. Analisis model terjelaskan menentukan pola paling relevan dan menguji hubungan kausal terhadap inception. Deep reinforcement learning kemudian menyesuaikan aliran waktu nyata dengan sasaran struktur pemicu. Riset mencari pengendali yang interpretasinya tetap berlandaskan fisika, dengan aplikasi propeller, turbin, serta ultrasonik sebagai konteks yang memerlukan evaluasi lanjutan.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Regents of the University of Michigan - Ann Arbor
Program
PMP-Particul&MultiphaseProcess
Periode pendanaan tercatat
2026-02-15 → 2029-01-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Engineering
  • Chemical, Bioengineering, Environmental, & Transport Systems

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.