Propiedades de conservación en discretización: garantizar el equilibrio de masa y energía

TL; DR

• La conservación local está garantizada por la consistencia del flujo FVM; FEM y DG deben diseñar los flujos con cuidado.
• El primer orden agrega viscosidad artificial: en CFL = 1, desaparece, un resultado sorprendente que la mayoría de los practicantes se pierden.
• El RDG(P0P1) de Moose con limitación de flujo reduce la difusión numérica en más del 80% en comparación con el enrollado completo.
• Las formulaciones simétricas sesgadas conservan la energía cinética al evitar que los errores de alias crean energía espuriamente.
• Los nuevos métodos de relajación de 2026 pueden imponer la conservación de la masa y la energía a la precisión de la máquina (10⁻¹⁴).

Por qué la discretización cambia lo que conserva su simulación

Cuando discretiza una ecuación diferencial parcial, no solo está eligiendo un orden de precisión, sino que elige qué cantidades físicas conserva realmente su solucionador. Masa, energía, momento: estas propiedades que están garantizadas analíticamente por las ecuaciones continuas pueden desaparecer silenciosamente (o aparecer misteriosamente) a nivel discreto dependiendo de su diseño de flujo numérico.

Esta es una de las compensaciones más importantes en la simulación científica, pero a menudo se pasa por alto durante la selección de métodos. Puede pasar horas de ajuste solo para descubrir que el esquema de discretización está introduciendo pérdida de masa artificial o generación de energía espuria.

El principio central es simple: el flujo que deja una celda debe ser igual al flujo que ingresa a su vecino. Cuando esto es cierto por construcción, usted tiene conservación local. Cuando requiere un diseño cuidadoso, debe verificarlo. Comprender esta distinción, y las herramientas para verificarla, es la diferencia entre confiar en su simulación y auditar cada resultado.

El principio de consistencia del flujo: Conservación local vs global

La propiedad de conservación de un esquema numérico está determinada por si los flujos numéricos son consistentes entre las interfaces de celda. Esto se conoce en la literatura como el principio de consistencia del flujo y explica por qué algunos métodos conservan de forma natural la masa mientras que otros no.

Método de volumen finito: conservación por construcción

El método de volumen finito (FVM) garantiza la conservación local porque equilibra los flujos entre las caras de las células por definición. Cuando la masa fluye fuera de un volumen de control, la misma cantidad exactamente fluye hacia su vecino. No se puede crear ni destruir ningún flujo numérico: la estructura algebraica de la discretización impone automáticamente la conservación de la masa global.

Fipy implementa esto a través de su estructura de ecuación de conservación, donde cada término de convección representa un equilibrio de flujo a través de las caras de las celdas. La Documentación de la ecuación de conservación de Fipy describe cómo la ecuación de conservación general hace cumplir exactamente esta consistencia de flujo.

# FiPy conservation equation — fluxes are balanced by construction
equation = TransientTerm(var=phi) == UpwindConvectionTerm(coeff=velocity)

Método de elementos finitos: la conservación requiere el diseño

Las formulaciones de elementos finitos continuos estándar no no conservan automáticamente la masa localmente. La forma débil se integra sobre los elementos y los flujos a través de los límites internos pueden cancelar globalmente sin ser conservados localmente. Esta es la razón por la que las formulaciones de FEM estándar pueden perder la conservación de masa en los problemas dominados por la advección.

Sin embargo, FEM puede lograr la conservación local a través de flujos numéricos especialmente diseñados. El método Galerkin discontinuo (DG), por ejemplo, logra una fuerte conservación local a través de sus flujos de interfaz; consulte el tutorial del método DG para obtener una derivación detallada. DG combina una aproximación polinomial de alto orden con una conservación basada en flujo que refleja la consistencia de flujo de FVM.

Qué significa esto para la selección de métodos

cuándo utilizar FEM, FVM o FDM La guía en matforge.org explica estas compensaciones en detalle, incluida la forma en que los requisitos de conservación deben impulsar la selección de métodos antes de que se consideren la geometría o la precisión.

Error de truncamiento y viscosidad artificial

Cada esquema numérico introduce un error de truncamiento, una diferencia entre el operador diferencial exacto y su aproximación discreta. Para los esquemas contra el viento, este error de truncamiento tiene una interpretación física: se comporta como la difusión artificial (también llamada viscosidad numérica).

La derivación de la ecuación modificada

El Análisis de ecuaciones modificadas por la Universidad de CFD proporciona la derivación completa. Aquí está el resultado esencial.

Para la advección contra el viento de primer orden con velocidad constante $A$:

$$frac{parcial phi}{parcial t} + a frac{parcial phi}{parcial x} = underbrace{frac{a delta x}{2}}_{text{artificial Coeficiente de viscosidad}} frac{parcial^2 phi}{parcial x^2} + o(delta x^2)$$

El error de truncamiento principal actúa como un término de difusión con coeficiente $nu = a delta x / 2$. Esto explica tanto por qué el viento es estable (agrega difusión) y por qué unta los frentes (esa difusión extiende los perfiles).

El número CFL lo cambia todo

Aquí está el resultado no obvio que la mayoría de los practicantes pasan por alto: cuando se incluye una discretización en el tiempo, el coeficiente de viscosidad artificial se convierte en dependiente de CFL. La ecuación modificada completa muestra:

$$nu = frac{a delta x}{2} (1 – text{cfl})$$

En Cfl = 1, la difusión artificial desaparece. Esto explica cuando el devanado es «libre» – no hay difusión numérica en absoluto. Muchos profesionales de la simulación, sin saberlo, operan en CFL = 1 y se preguntan por qué su esquema contra el viento de primer orden produce resultados inesperadamente limpios. La fórmula dependiente de CFL explica por qué.

Este resultado tiene importantes implicaciones prácticas:

• En CFL cerca de 0 (pasos de tiempo muy pequeños), el upwinding introduce la máxima difusión artificial
• En CFL = 1 (el paso de tiempo equivale a un tiempo de tránsito de una celda), el primer orden contra el viento no agrega difusión artificial
• en CFL > 1, la fórmula sugiere inestabilidad potencial: la ecuación modificada cambia el signo

Tenga en cuenta que la discretización temporal también contribuye a la difusión numérica. La elección del integrador de tiempo (Retroceso Euler, Crank-Nicolson, Runge-Kutta) afecta las características de amortiguación independientemente del esquema espacial. hora Métodos de integración para solucionadores de PDE: Guía explícito vs esquemas implícitos La guía analiza cómo el error temporal interactúa con la difusión numérica espacial y cómo separarlos en la verificación.

La desalineación de la red crea «falsa difusión»

Incluso con un coeficiente de difusión física cero y un flujo perfectamente uniforme, las mallas no estructuradas introducen difusión numérica proporcional al ángulo entre la dirección del flujo y las normales de la cara de la celda. Esto se conoce como «difusión falsa» o «difusión de viento cruzado».

En cuadrículas cartesianas estructuradas, el flujo alineado con un eje de coordenadas se representa limpiamente. En mallas no estructuradas (triángulos, tetraedros), incluso un simple flujo uniforme introduce la difusión artificial cuando el flujo cruza la malla oblicuamente. La magnitud de la difusión escala con $sin^2(theta)$, donde $theta$ es el ángulo de desalineación.

Esto explica por qué las simulaciones en mallas no estructuradas a menudo requieren una resolución más fina que las mallas estructuradas para el mismo problema de advección: la difusión artificial no es una propiedad del esquema, sino la orientación de la malla.

Los esquemas contra el viento y la compensación por estabilidad de difusión

Los esquemas contra el viento agregan difusión numérica para estabilizar los cálculos de advección. Pero, ¿cuánta difusión se introduce? ¿Y qué alternativas existen?

Lo que realmente hace contra el viento

El primer orden contra el viento reemplaza la diferencia central simétrica:

$$frac{parcial phi}{parcial x} approx frac{phi_{i+1} – phi_{i-1}}{2delta x}$$

Con una aproximación consciente de la dirección:

$$frac{parcial phi}{parcial x} approx frac{phi_i – phi_{i-1}}{delta x} quad text{(for } a > 0Texto{)}$$

Como muestra el análisis de la Universidad CFD, esta aproximación al contrapelo se puede escribir exactamente como:

$$text{upwind} = text{central} – frac{delta x}{2} frac{parcial^2}{parcial x^2}$$

El segundo término derivado es la difusión artificial. Suprime las olas cortas y los degradados afilados, razón por la cual el viento es estable, pero también por eso mancha los frentes.

Comparación de difusión numérica de alce

documento de difusión numérica de alce Proporciona la comparación de difusión numérica más completa disponible en cualquier documentación del solucionador de código abierto. Su prueba de advección trazadora compara siete estrategias de discretización:

El esquema RDG(p0p1) con el limitador de flujo SuperBee reduce la difusión numérica en sobre 80% en comparación con el enrollador completo mientras se mantiene la monotonicidad. Esta es una evidencia concreta para la selección del método: la reconstrucción lineal con limitación de flujo es muy superior a la de primer orden contra el viento para problemas de transporte donde la resolución es importante.

Cuándo usar esquemas completos contra el viento frente a los limitados

El documento de upwinding de alce proporciona una guía práctica:

• Utilice a contracorriente completo cuando: La robustez es la prioridad, la solución delimitada importa más que la resolución, o está resolviendo problemas no lineales fuertes donde las oscilaciones romperían el solucionador
• Utilice esquemas de orden superior limitados cuando: se miden cuantitativamente las tasas de transporte, se deben resolver los frentes afilados o el problema tiene no linealidades débiles que no requieren de enrollo total

La compensación práctica: El contrapelo completo es robusto pero demasiado difusivo. Los esquemas limitados conservan la resolución pero agregan complejidad no lineal. Para las simulaciones críticas para la conservación (transporte reactivo, modelos de campo de fase), la complejidad adicional suele valer la ganancia de resolución.

Formulaciones simétricas sesgadas para la preservación de la energía

Al simular sistemas de flujo o de reacción compresibles, la conservación de energía se vuelve crítica. Las formulaciones conservadoras estándar de convección no lineal pueden generar o destruir espuriamente la energía cinética a través de errores de alias. La solución, identificada en una revisión ampliamente citada, es reformular al operador convectivo.

Coppola 2019: la división sesgada-simétrica

La revisión ASME seminal 2019 de Coppola (95 citas) sobre la conservación de energía discreta demuestra que términos convectivos no lineales conservan energía cinética solo cuando se formula en forma dividida. La información clave es que el operador convectivo debe dividirse en:

1. A Formulario conservador (Formulario de divergencia): $nabla cdot (mathbf{u} phi)$
2. Una forma skew-simétrica: $mathbf{u} cdot nabla phi – frac{1}{2} (nabla cdot mathbf{u}) fi$

Cuando se combinan, el operador convectivo discreto se convierte en sesgo-adjoint, lo que significa que conserva invariantes cuadráticos como la energía cinética sin disipación artificial. Esto evita que los errores de alias crean (o destruyan) energía espuriamente.

Para un flujo incompresible ($nabla cdot mathbf{u} = 0$), la forma sesgada-simétrica se simplifica a:

$$mathbf{u} cdot nabla phi$$

Para el flujo compresible, el término de divergencia importa y la división sesgada-simétrica se vuelve esencial para la conservación de energía.

Por qué es importante esto para los métodos DG

El método de estabilidad energética de Galerkin (DGSEM), desarrollado por Gassner y otros, utiliza esta división simétrica sesgada para garantizar la preservación de la energía discreta. Consulte el tutorial de método dg para obtener detalles de diseño de flujo de DG. Los métodos DG con flujos estables de entropía y división convectiva simétrica sesgada son el estado del arte para las simulaciones de preservación de energía del flujo compresible.

Cuando las formulaciones simétricas sesgadas son esenciales

Verificación de la conservación en la práctica

La teoría nos dice qué esquemas conservan la masa y la energía. En la práctica, debe verificarlo. Aquí hay un flujo de trabajo paso a paso.

Paso 1: Definir la cantidad de conservación

Identificar qué cantidades físicas deben conservarse. Opciones comunes:

• Masa (integral de concentración o densidad sobre el dominio)
• Energía (energía térmica, energía cinética o energía total)
• Masa de especies (especies químicas individuales)

Paso 2: Calcule la integral discreta

En cada paso de tiempo, calcule la integral de dominio:

# Mass conservation check in a scalar transport problem
import numpy as np
from fipy import Grid2D, CellVariable

mesh = Grid2D(nx=100, ny=100, dx=0.01, dy=0.01)
phi = CellVariable(mesh=mesh, value=0.0)

# Initial mass
initial_mass = np.sum(phi.value * mesh.cellVolumes)
print(f"Initial mass: {initial_mass:.6f}")

# After simulation
final_mass = np.sum(phi.value * mesh.cellVolumes)
print(f"Final mass: {final_mass:.6f}")
print(f"Mass loss: {(initial_mass - final_mass) / initial_mass * 100:.4f}%")

Paso 3: Comprobar los flujos de límites

Las violaciones de conservación generalmente se originan en los límites. Verifique que:

• Los flujos de entrada coinciden con los valores de límite prescritos
• Los límites de salida no limitan el problema
• Los límites sin flujo realmente tienen flujo cero

Paso 4: Comparar con la referencia

La Guía de verificación vs validación explica que la verificación requiere comparación con soluciones analíticas o manufacturadas. Para la verificación de conservación:

1. Ejecutar un problema de transporte con masa inicial conocida
2. Verifique que la masa numérica permanezca constante (dentro de la tolerancia) a lo largo del tiempo
3. Prueba en resoluciones de malla múltiple: la conservación debe mejorar o permanecer constante a medida que la malla refina, no se degrada

Paso 5: Documente la tolerancia

Establezca una tolerancia de conservación apropiada para su problema:

• Publicación científica: Error de masa < 0,1%
• Simulación de ingeniería: Error de masa < 1%
• Prototipado de investigación: Error de masa < 5% (pero documentarlo)

Aplicación avanzada de la conservación: métodos basados en la relajación

Cuando la discretización estándar no logra una conservación suficiente, los métodos recientes ofrecen correcciones de procesamiento posterior.

El resultado ARXIV 2604.05940

Una preimpresión reciente de Rajvanshi y Ketcheson (ARXIV 2604.05940, abril de 2026) introduce Enforcement Conservation Enforcement para el equilibrio de masa y energía. El método funciona con cualquier esquema de paso de tiempo agregando una corrección de paso de tiempo posterior.

Resultados clave:

• Logra la conservación de la precisión de la máquina hasta 10⁻¹⁴ Error
• Dos variantes: relajación múltiple y proyección-relajación
• Proyección-relajación es más robusta y solo requiere resolver un problema de búsqueda de raíces escalares (2-3 × costo computacional)
• Validado en casos de pruebas cosmológicas 2D y 3D

El método se aplica a los esquemas de Runge-Kutta implícitos-explícitos (IMEX) y puede hacer cumplir tanto la conservación de masa como el equilibrio energético. Esto es particularmente valioso para las simulaciones en las que se acumulan violaciones de conservación durante largos períodos de tiempo y degradan la fidelidad física.

Cuándo utilizar métodos basados en la relajación:

• Simulaciones de larga duración donde se acumulan pequeños errores de conservación
• Acoplamiento multifísico donde las violaciones de conservación causan inestabilidad
• Esquemas de alto orden que sacrifican una conservación estricta para la resolución
• Simulaciones de producción donde el balance de masa/energía no es negociable

Marco de decisión práctica

Elegir una discretización para simulaciones críticas de conservación requiere considerar múltiples factores simultáneamente.

Matriz de selección de métodos

Reglas de decisión

1. Si la conservación no es negociable (el balance masa/energía debe ser exacto): Comience con FVM o DG. El principio de consistencia del flujo lo garantiza por diseño.
2. Si los frentes afilados deben resolverse sin oscilaciones espurias: use esquemas de orden superior limitados (Moose RDG P0P1, Kuzmin-Turek con limitador). Evite el viento completo: reduce la difusión en menos de lo que logran los esquemas limitados.
3. Si importa la conservación de la energía del flujo compresible: utilice formulaciones divididas simétricas sesgadas (Coppola 2019, Gassner DGSEM). Las formas conservadoras estándar pueden generar energía a través del aliasing.
4. Si necesita una conservación de masa estricta en simulaciones largas: considere la aplicación basada en la relajación (ARXIV 2604.05940) como un paso de procesamiento posterior a un costo computacional de 2-3 ×.
5. Si la resolución de la malla es limitada: tenga en cuenta la falsa difusión en mallas no estructuradas. Las cuadrículas estructuradas evitan esto. En mallas no estructuradas, espere una mayor difusión artificial proporcional al ángulo de desalineación de la malla de flujo.

Resumen: Qué evitar

Resumen y próximos pasos

Las propiedades de conservación en la discretización están determinadas por la consistencia del flujo a través de las interfaces celulares. FVM lo logra por construcción. DG lo logra a través de flujos numéricos. La FEM estándar requiere un diseño cuidadoso.

La idea clave es que la difusión numérica no es una propiedad inevitable de los esquemas de advección: depende del número de CFL, la orientación de la malla y la elección del esquema. El primer orden contra el viento agrega una viscosidad artificial que se desvanece en CFL = 1. Los esquemas limitados de orden superior reducen la difusión numérica en más del 80% en comparación con el enrollado completo. Las formulaciones simétricas sesgadas previenen la generación de energía espuria en un flujo compresible.

Para simulaciones de conservación-críticas, siempre verifique cuantitativamente el balance de masa y energía. No confíe solo en la elección del método: el principio de consistencia del flujo es una garantía teórica, pero su implementación específica debe verificarse.

Siguiente pasos recomendados:

1. Ejecute una prueba de conservación de masa en su simulación actual (compute las integrales de dominio en cada paso de tiempo)
2. Si el error de conservación excede su tolerancia, considere actualizar a esquemas de orden superior limitados
3. Para un flujo compresible, verifique que su operador convectivo utilice una división sesgo-simétrica
4. Considere la aplicación basada en la relajación para simulaciones de larga duración donde se acumulan pequeños errores

La Guía de problemas dominados por la advección en matforge.org proporciona orientación complementaria sobre estrategias de estabilización (supg, limitadores de flujo, análisis de peclet) que funcionan junto con las propiedades de conservación cubiertas aquí.

Lectura adicional

• Coppola, S. (2019). Sobre la conservación de invariantes cuadráticos en esquemas numéricos para las ecuaciones compresibles de Euler y Navier-Stokes. Revisiones de mecánica aplicada de ASME, 71(1). 95 citas.
• Rajvanshi, A., & Ketcheson, D.I. (2026). Esquemas eficientes de conservación de masa y equilibrio de energía. ArXiv:2604.05940.
• Documentación de difusión numérica de alce: https://mooseframework.inl.gov/modules/porous_flow/numerical_diffusion.html
• Análisis de ecuaciones modificadas de la Universidad de CFD: https://cfd.university/blog/what-is-numerical-disipation-in-cfd-and-why-do-do-we-need-it/

Guías relacionadas

• Problemas dominados por la advección: esquemas contra el viento y estabilización de SUPG — Referencia cruzada para estrategias de estabilización (supg, limitadores de flujo, análisis de peclet)
• Tutorial discontinuo del método Galerkin — DG Flux Design and Local Conservation Details
• Verificación frente a validación en simulaciones científicas — MMS y metodología de verificación
• cuándo utilizar FEM, FVM o FDM — Selección de métodos que incluye requisitos de conservación
• métodos de integración de tiempo para solucionadores de PDE — Discusión de errores temporales y restricciones de CFL