由于斯托克斯方程[1,2]的运动学可逆性,最令人信服的例证是 G.I.泰勒的库埃特细胞实验[3,4],低雷诺数下的流体混合需要平流(搅拌)和扩散[5,6]的相互作用。剪切引起的扩散混合增强,也称为泰勒扩散[7],是许多生物和人工系统的基础,从纤毛水生微生物对氧气、营养物质或化学信号的吸收,到微反应器和“芯片实验室”应用[8-12]。事实上,它代表了任何由平流扩散方程控制的非平衡松弛过程的基本特征[5],包括对流层上部和平流层的污染物扩散[13]。因此,设计最优混合方案是一个既具有基础性又具有实际意义的问题[14-17],并且与人们对将最优控制理论概念应用于非平衡物理[18-25]日益增长的兴趣相一致。传统上,全局混合效率通过施加一个初始模式(如溶质分布或温度分布)并通过其 L 2 /Sobolev 范数[26, 27]或 Shannon 熵的变化来表征搅拌对后者的影响[14, 28, 29]。局部混合也可以用 Lyapunov 指数来量化[2, 30]。最近,以混合前后粒子位置之间的互信息的形式引入了一种通用的无假设(即与模式无关)的全局混合效率度量[15]。在实验中,可以使用无损压缩算法从示踪数据中估计互信息 [ 31 ]。在这里,我们将这一新度量应用于无散度线性剪切流混合流体的问题。将时间相关的剪切速率定义为我们的协议,我们将互信息重新表示为后者的非线性函数,并精确求解最优控制问题,以在总剪切和总粘性耗散的约束下得出最优协议
主要关键词
![arXiv:2502.03567v1 [cond-mat.stat-mech] 2025 年 2 月 5 日PDF文件第1页](/bimg/2/23f08989362bfca418b8bc9556eba5a6caed1be0.webp)
![arXiv:2502.03567v1 [cond-mat.stat-mech] 2025 年 2 月 5 日PDF文件第2页](/bimg/e/e2be650391b725aafb4879e3f0c33a5fcf1c6873.webp)
![arXiv:2502.03567v1 [cond-mat.stat-mech] 2025 年 2 月 5 日PDF文件第3页](/bimg/f/f265c66c4f6e20e6c197c5c30ef87e38c8200379.webp)
![arXiv:2502.03567v1 [cond-mat.stat-mech] 2025 年 2 月 5 日PDF文件第4页](/bimg/2/2dea6fc88cbdea53c0a8944eb3cc37d4cf1bb33b.webp)
![arXiv:2502.03567v1 [cond-mat.stat-mech] 2025 年 2 月 5 日PDF文件第5页](/bimg/6/6a512fa3763dad5d58b6cc2d5112b246732915c4.webp)
