We present a scheme for accelerating hybrid continuum-atomistic models in multiscale fluidic systems by using Gaussian process regression as a surrogate model for computationally expensive molecular dynamics simulations. Using Gaussian process regression, we are able to accurately predict atomic-scale information purely by consideration of the macroscopic continuum-model inputs and outputs and judge on the fly whether the uncertainty of our prediction is at an acceptable level, else a new molecular simulation is performed to continually augment the database, which is never required to be complete. This provides a substantial improvement over the current generation of hybrid methods, which often require many similar atomistic simulations to be performed, discarding information after it is used once. We apply our hybrid scheme to nano-confined unsteady flow through a high-aspect-ratio converging-diverging channel, and make comparisons between the new scheme and full molecular dynamics simulations for a range of uncertainty thresholds and initial databases. For low thresholds, our hybrid solution is highly accurate-around that of thermal noise. As the uncertainty threshold is raised, the accuracy of our scheme decreases and the computational speed-up increases (relative to a full molecular simulation), enabling the compromise between accuracy and efficiency to be tuned. The speed-up of our hybrid solution ranges from an order of magnitude, with no initial database, to cases where an extensive initial database ensures no new MD simulations are required.

中文翻译：

---

通过实时高斯过程回归加速流体的多尺度建模。

我们提出了一个方案，通过使用高斯过程回归作为替代模型来计算复杂的分子动力学模拟，从而在多尺度流体系统中加速混合连续体原子模型。使用高斯过程回归，我们能够纯粹考虑宏观连续模型输入和输出来准确预测原子级信息，并即时判断我们的预测不确定性是否处于可接受的水平，否则将进行新的分子模拟执行该操作以不断扩充数据库，而这并不需要完整。与当前的混合方法相比，这提供了实质性的改进，后者通常需要执行许多类似的原子模拟，一次使用后就丢弃信息。我们将混合方案应用于通过高纵横比收敛-发散通道的纳米约束非恒定流，并针对一系列不确定性阈值和初始数据库对新方案和全分子动力学模拟进行了比较。对于低阈值，我们的混合解决方案具有很高的准确性-接近热噪声。随着不确定性阈值的提高，我们方案的精度降低，计算速度提高（相对于完整的分子模拟），从而可以调整精度和效率之间的折衷。我们的混合解决方案的加速范围从一个数量级（无初始数据库）到广泛的初始数据库可确保不需要新的MD模拟的情况。并在一系列不确定性阈值和初始数据库之间对新方案与全分子动力学模拟进行比较。对于低阈值，我们的混合解决方案具有很高的精确度-接近热噪声。随着不确定性阈值的提高，我们方案的精度降低，计算速度提高（相对于完整的分子模拟），从而可以调整精度和效率之间的折衷。我们的混合解决方案的加速范围从一个数量级（无初始数据库）到广泛的初始数据库可确保不需要新的MD模拟的情况。并在一系列不确定性阈值和初始数据库之间对新方案与全分子动力学模拟进行比较。对于低阈值，我们的混合解决方案具有很高的精确度-接近热噪声。随着不确定性阈值的提高，我们方案的精度降低，计算速度提高（相对于完整的分子模拟），从而可以调整精度和效率之间的折衷。我们的混合解决方案的加速范围从一个数量级（无初始数据库）到广泛的初始数据库可确保不需要新的MD模拟的情况。随着不确定性阈值的提高，我们方案的精度降低，计算速度提高（相对于完整的分子模拟），从而可以调整精度和效率之间的折衷。我们的混合解决方案的加速范围从一个数量级（无初始数据库）到广泛的初始数据库可确保不需要新的MD模拟的情况。随着不确定性阈值的提高，我们方案的精度降低，计算速度提高（相对于完整的分子模拟），从而可以调整精度和效率之间的折衷。我们的混合解决方案的加速范围从一个数量级（无初始数据库）到广泛的初始数据库可确保不需要新的MD模拟的情况。