Propriétés de conservation dans la discrétisation : assurer l’équilibre massique et énergétique

tl;dr

• La conservation locale est garantie par la cohérence du flux FVM ; FEM et DG doivent concevoir des flux avec soin.
• Le contre-vent du premier ordre ajoute une viscosité artificielle — à la LFC = 1, il disparaît, un résultat surprenant que la plupart des praticiens manquent.
• Le RDG de Moose (P0P1) avec limitation du flux réduit la diffusion numérique de plus de 80 % par rapport à la remontée complète.
• Les formulations symétriques de biais conservent l’énergie cinétique en empêchant les erreurs de créer de l’énergie.
• Les nouvelles méthodes de relaxation 2026 peuvent imposer une conservation de masse et d’énergie à la précision de la machine (10⁻¹⁴).

Pourquoi la discrétisation change ce que votre simulation conserve

Lorsque vous discréditez une équation aux dérivées partielles, vous ne choisissez pas seulement un ordre de précision, vous choisissez les quantités physiques que votre solveur conserve. Masse, énergie, quantité de mouvement : ces propriétés qui sont analytiquement garanties par les équations continues peuvent disparaître tranquillement (ou apparaître mystérieusement) au niveau discret en fonction de votre conception de flux numérique.

Il s’agit de l’un des compromis les plus importants de la simulation scientifique, mais cela est souvent négligé lors de la sélection de la méthode. Vous pourriez passer des heures à ajuster les paramètres pour découvrir que le schéma de discrétisation lui-même introduit une perte de masse artificielle ou une production d’énergie parasite.

Le principe de base est simple : Le flux laissant une cellule doit égaler le flux entrant dans son voisin. Lorsque cela est vrai par la construction, vous avez une conservation locale. Lorsqu’il nécessite une conception soignée, vous devez le vérifier. Comprendre cette distinction – et les outils pour la vérifier – est la différence entre la confiance de votre simulation et l’audit de chaque résultat.

Le principe de cohérence des flux : conservation locale vs mondiale

La propriété de conservation d’un schéma numérique est déterminée par la cohérence des flux numériques entre les interfaces cellulaires. Ceci est connu dans la littérature sous le nom de principe de cohérence des flux, et cela explique pourquoi certaines méthodes conservent naturellement la masse alors que d’autres ne le font pas.

Méthode de volume fini : Conservation par construction

La méthode de volume fini (FVM) garantit la conservation locale car elle équilibre les flux entre les cellules par définition. Lorsque la masse s’écoule d’un seul volume de contrôle, la même quantité s’écoule dans son voisin. Aucun flux numérique ne peut être créé ou détruit – la structure algébrique de la discrétisation impose automatiquement la conservation de la masse globale.

FIPY met en œuvre cela grâce à sa structure d’équation de conservation, où chaque terme de convection représente un équilibre de flux sur les faces des cellules. La Documentation de l’équation de conservation FIPY décrit comment la conservation générale L’équation impose exactement cette cohérence de flux.

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

Méthode des éléments finis : la conservation nécessite une conception

Les formulations standard d’éléments finis continus ne conservent pas pas automatiquement la masse localement. La forme faible s’intègre sur des éléments, et les flux à travers les frontières internes peuvent s’annuler globalement sans être conservés localement. C’est pourquoi les formulations FEM standard peuvent perdre la conservation de la masse dans les problèmes dominés par l’advection.

Cependant, la FEM peut atteindre la conservation locale grâce à des flux numériques spécialement conçus. La méthode Galerkin discontinue (DG), par exemple, permet de conserver une forte conservation locale grâce à ses flux d’interface – voir le DG pour une dérivation détaillée. DG combine une approximation polynomiale d’ordre élevé avec une conservation à base de flux qui reflète la cohérence du flux de FVM.

Ce que cela signifie pour la sélection de la méthode

Le Quand utiliser FEM, FVM ou FDM Le guide sur matforge.org explique en détail ces compromis, y compris comment les exigences de conservation devraient conduire la sélection de la méthode avant que la géométrie ou la précision ne soient prises en compte.

Erreur de troncature et viscosité artificielle

Chaque schéma numérique introduit une erreur de troncature – une différence entre l’opérateur différentiel exact et son approximation discrète. Pour les schémas au vent, cette erreur de troncature a une interprétation physique : elle se comporte comme une diffusion artificielle (également appelée viscosité numérique).

La dérivation de l’équation modifiée

La analyse par équation modifiée par l’Université CFD fournit la dérivation complète. Voici le résultat essentiel.

Pour une advection au vent du premier ordre avec une vitesse constante $A$ :

$$Frac{Phi}{partielle t} + a frac{Phi}{Partial X} = underbrace{frac{a delta x}{2}}_{text{viscosité artificielle Coefficient}} frac{partial^2 phi}{partial x^2} + o(delta x^2)$$

L’erreur de troncature principale agit comme un terme de diffusion avec le coefficient $nu = a delta x / 2$. Cela explique à la fois pourquoi l’upwind est stable (il ajoute de la diffusion) et pourquoi il enfonce les fronts (ce qui diffuse les profils).

Le numéro CFL change tout

Voici le résultat non évident que la plupart des praticiens manquent : lorsqu’une discrétisation temporelle est incluse, le coefficient de viscosité artificielle devient dépendant de la CFL. L’équation modifiée complète montre :

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

À CFL = 1, la diffusion artificielle disparaît. Cela explique quand le remontage est « libre » – aucune diffusion numérique. De nombreux praticiens de la simulation opèrent sans le savoir à la LCF = 1 et se demandent pourquoi leur schéma de remontée au vent du premier ordre produit des résultats propres de manière inattendue. La formule dépendante de la LCF explique pourquoi.

Ce résultat a des implications pratiques importantes :

• À CFL proche de 0 (très petits pas de temps), le remontage introduit une diffusion artificielle maximale
• À la LCF = 1 (le pas de temps est égal à un temps de transit cellulaire), le premier ordre au vent n’ajoute aucune diffusion artificielle
• à la LFC > 1, la formule suggère une instabilité potentielle – l’équation modifiée change de signe

Notez que la discrétisation temporelle contribue également à la diffusion numérique. Le choix de l’intégrateur temporel (Euler arrière, Crank–Nicolson, Runge-Kutta) affecte les caractéristiques d’amortissement indépendamment du schéma spatial. Le guide Méthodes d’intégration temporelle pour les solveurs PDE : schémas explicites ou implicites explique comment l’erreur temporelle interagit avec la diffusion numérique spatiale et comment les séparer dans la vérification.

Le désalignement de la grille crée une « fausse diffusion »

Même avec un coefficient de diffusion physique nul et un débit parfaitement uniforme, Des mailles non structurées introduisent une diffusion numérique proportionnelle à l’angle entre la direction du flux et les normales de la face de la cellule. C’est ce qu’on appelle « false Diffusion » ou « crosswind diffusion ».

Sur les grilles cartésiennes structurées, le flux aligné avec un axe de coordonnées est représenté proprement. Sur des mailles non structurées (triangles, tétraèdres), même un simple flux uniforme introduit une diffusion artificielle lorsque le flux traverse le maillage obliquement. La magnitude de diffusion est à l’échelle de $sin^2(theta)$, où $theta$ est l’angle de désalignement.

Cela explique pourquoi les simulations sur des maillages non structurés nécessitent souvent une résolution plus fine que les maillages structurés pour le même problème d’advection – la diffusion artificielle n’est pas une propriété du schéma, mais de l’orientation du maillage.

Les régimes au vent et le compromis diffusion-stabilité

Les schémas au vent ajoutent une diffusion numérique pour stabiliser les calculs d’advection. Mais combien de diffusion est introduite ? Et quelles alternatives existent ?

Ce que fait réellement le vent

Le contre-vent du premier ordre remplace la différence centrale symétrique :

$$frac{Phi}{partielle x} approx frac{phi_{i+1} – phi_{i-1}}{2delta x}$$

Avec une approximation sensible à la direction :

$$frac{partial phi}{partial x} approx frac{phi_i – phi_{i-1}}{delta x} quad text{(pour} a > 0texte{)}$$

Comme le montre l’analyse de l’Université CFD, cette approximation au vent peut être écrite exactement comme suit :

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

Le deuxième terme dérivé est la diffusion artificielle. Il supprime les ondes courtes et les gradients nets, c’est pourquoi le vent est stable, mais aussi la raison pour laquelle il salue les fronts.

Comparaison de diffusion numérique de Moose

documentation numérique de l’orignal Fournit la comparaison de diffusion numérique la plus complète disponible dans toute documentation de solveur open source. Leur test d’advection de traceur compare sept stratégies de discrétisation :

Le schéma RDG(P0P1) avec le limiteur de flux Superbee réduit la diffusion numérique de plus de 80 % par rapport à la remontée complète tout en maintenant la monotonie. Il s’agit d’une preuve concrète de la sélection de la méthode : la reconstruction linéaire avec limitation du flux est largement supérieure à celle du premier ordre pour les problèmes de transport lorsque la résolution est importante.

Quand utiliser les régimes complets contre le vent ou les régimes limités

Le documentation de moose en amont fournit des conseils pratiques :

• Utilisez le vent complet lorsque : La robustesse est la priorité, la limite de la solution compte plus que la résolution, ou vous résolvez des problèmes non linéaires forts où les oscillations briseraient le solveur.
• Utilisez des schémas d’ordre supérieur limités lorsque : Les taux de transport sont mesurés quantitativement, des fronts nets doivent être résolus ou le problème a des non-linéarités faibles qui ne nécessitent pas de remontage complet.

Le compromis pratique : Le contrevent complet est robuste mais trop diffusif. Les schémas limités préservent la résolution mais ajoutent une complexité non linéaire. Pour les simulations critiques pour la conservation (transport réactif, modèles de champ de phase), la complexité supplémentaire vaut généralement le gain de résolution.

Formulations symétriques pour la préservation de l’énergie

Lors de la simulation d’un flux compressible ou d’un système de réaction, la conservation de l’énergie devient essentielle. Les formulations conservatrices standards de convection non linéaire peuvent générer ou détruire de manière fausse l’énergie cinétique par des erreurs de repli. La solution, identifiée dans une revue largement citée, consiste à reformuler l’opérateur convectif.

Coppola 2019 : le split symétrique

L’examen fondateur de l’ASME de 2019 de Coppola (95 citations) sur la conservation de l’énergie discrète démontre que les termes convectifs non linéaires ne conservent l’énergie cinétique que lorsqu’ils sont formulés sous forme divisée. L’idée clé est que l’opérateur convectif doit être divisé en :

1. A Forme conservatrice (formulaire de divergence) : $nabla cdot (mathbf{u} phi)$
2. Une forme symétrique en biais : $mathbf{u} cdot nabla phi – frac{1}{2} (nabla cdot mathbf{u})

Lorsqu’il est combiné, l’opérateur convectif discret devient adjoint d’obstruction, ce qui signifie qu’il préserve les invariants quadratiques comme l’énergie cinétique sans dissipation artificielle. Cela empêche les erreurs d’alias de créer (ou de détruire) une énergie fulgurante.

Pour un flux incompressible ($nabla cdot mathbf{u} = 0$), la forme symétrique est simplifiée pour :

$$mathbf{u} cdot nabla phi$$

Pour le flux compressible, le terme de divergence est important et la scission symétrique de biais devient essentielle pour la conservation de l’énergie.

Pourquoi cela est important pour les méthodes DG

La méthode stable d’énergie-stable de Galerkin (DGSEM), telle que développée par Gassner et d’autres, utilise ce fractionnement symétrique pour assurer une conservation de l’énergie discrète. Consultez le Tutoriel de la méthode DG pour les détails de conception de Flux DG. Les méthodes DG avec des flux entropiques et une séparation convective symétriques biaisées sont le dernier cri pour les simulations d’écoulement compressible.

Lorsque les formulations symétriques obliques sont essentielles

Vérification de la conservation en pratique

La théorie nous dit quels schémas conservent la masse et l’énergie. En pratique, vous devez le vérifier. Voici un workflow étape par étape.

Étape 1 : Définir la quantité de conservation

Identifiez les quantités physiques à conserver. Choix courants :

• Mass (intégrale de concentration ou de densité sur le domaine)
• Énergie (énergie thermique, énergie cinétique ou énergie totale)
• Masse des espèces (espèces chimiques individuelles)

Étape 2 : Calculez l’intégrale discrète

À chaque pas de temps, calculez l’intégrale du domaine :

# 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}%")

Étape 3 : Vérifier les flux de limites

Les violations de la conservation proviennent généralement des limites. Vérifiez que :

• Les flux d’entrée correspondent aux valeurs limites prescrites
• Les limites de sortie ne limitent pas trop le problème
• Les limites sans flux ont vraiment un flux nul

Étape 4 : Comparez avec la référence

Le Guide de vérification ou de validation explique que la vérification nécessite une comparaison avec des solutions analytiques ou manufacturées. Pour la vérification de la conservation :

1. Exécuter un problème de transport avec la masse initiale connue
2. Vérifiez que la masse numérique reste constante (dans la tolérance) dans le temps
3. Test sur plusieurs résolutions de maillage – la conservation doit s’améliorer ou rester constante à mesure que le maillage se raffine, et non se dégrade

Étape 5 : Documentez la tolérance

Définissez une tolérance de conservation adaptée à votre problème :

• Publication scientifique : Erreur de masse < ; 0,1 %
• Simulation d’ingénierie : Erreur de masse < ; 1%
• Prototypage de recherche : Erreur de masse < ; 5% (mais documentez-le)

Application de la conservation avancée : méthodes basées sur la relaxation

Lorsque la discrétisation standard ne permet pas une conservation suffisante, les méthodes récentes offrent des corrections de post-traitement.

L’ARXIV 2604.05940 Résultat

Une préimpression récente de Rajvanshi et Ketcheson (ARXIV 2604.05940, avril 2026) introduit Enforcement de la conservation basé sur la relaxation pour la masse et l’équilibre énergétique. La méthode fonctionne avec n’importe quel schéma de pas de temps en ajoutant une correction de pas de temps après le temps.

Résultats clés :

• Réalise la conservation de la précision de la machine jusqu’à 10⁻¹⁴
• Deux variantes : Relaxation multiple et Projection-relaxation
• Projection-relaxation est plus robuste et ne nécessite que la résolution d’un problème de recherche de racine scalaire (2-3 × coût de calcul)
• Validé sur les cas de tests cosmologiques 2D et 3D

La méthode s’applique aux schémas Runge-Kutta implicite-explicite (IMEX) et peut appliquer simultanément la conservation de masse et l’équilibre énergétique. Ceci est particulièrement utile pour les simulations où les violations de conservation s’accumulent sur de longues périodes et dégradent la fidélité physique.

Quand utiliser des méthodes basées sur la relaxation :

• Simulations de longue durée où de petites erreurs de conservation s’accumulent
• Couplage multi-physique où les violations de conservation provoquent une instabilité
• Des schémas d’ordre élevé qui sacrifient une conservation stricte pour la résolution
• Simulations de production où le bilan masse/énergie n’est pas négociable

Cadre de décision pratique

Le choix d’une discrétisation pour les simulations critiques pour la conservation nécessite de considérer plusieurs facteurs simultanément.

Matrice de sélection de méthode

Règlements

1. Si la conservation n’est pas négociable (la balance de masse/énergie doit être exacte) : commencez par la FVM ou la DG. Le principe de cohérence du flux le garantit par conception.
2. Si des fronts nets doivent être résolus sans oscillations parasites : utilisez des schémas d’ordre supérieur limités (Moose RDG P0P1, Kuzmin-Turek avec limiteur). Évitez le plein au vent – cela réduit la diffusion de moins que ce que les régimes limités réalisent.
3. Si la conservation de l’énergie du flux compressible est importante : utiliser des formulations fractionnées symétriques en biais (Coppola 2019, Gassner DGSEM). Les formes conservatrices standard peuvent générer de l’énergie grâce à l’aliasing.
4. Si vous avez besoin d’une conservation de masse stricte lors de longues simulations : considérez l’application basée sur la relaxation (ARXIV 2604.05940) comme une étape de post-traitement à un coût de calcul de 2 à 3 ×.
5. Si la résolution de maillage est limitée : soyez conscient de la fausse diffusion sur des maillages non structurés. Les grilles structurées évitent cela. Sur les mailles non structurées, attendez-vous à une diffusion artificielle plus élevée proportionnelle à l’angle de désalignement du maillage de flux.

Résumé : ce qu’il faut éviter

Résumé et étapes suivantes

Les propriétés de conservation dans la discrétisation sont déterminées par la cohérence du flux entre les interfaces de cellules. FVM y parvient par la construction. La DG y parvient grâce à des flux numériques. La FEM standard nécessite une conception soignée.

L’idée clé est que la diffusion numérique n’est pas une propriété inévitable des schémas d’advection – elle dépend du nombre de CFL, de l’orientation du maillage et du choix du schéma. Le contrevent du premier ordre ajoute une viscosité artificielle qui disparaît à la LCF = 1. Les schémas d’ordre supérieur limité réduisent la diffusion numérique de plus de 80 % par rapport au remontage complet. Les formulations symétriques obliques empêchent la production d’énergie parasite dans un flux compressible.

Pour les simulations critiques pour la conservation, vérifiez toujours quantitativement la masse et l’équilibre énergétique. Ne vous fiez pas uniquement au choix de la méthode : le principe de cohérence des flux est une garantie théorique, mais votre implémentation spécifique doit être vérifiée.

Étapes recommandées :

1. Exécutez un test de conservation de masse sur votre simulation actuelle (calculez les intégrales du domaine à chaque pas de temps)
2. Si l’erreur de conservation dépasse votre tolérance, envisagez de passer à des schémas d’ordre supérieur limités
3. Pour un flux compressible, vérifiez que votre opérateur convectif utilise un fractionnement symétrique
4. Envisagez une application basée sur la relaxation pour les simulations de longue durée où de petites erreurs s’accumulent

Le Guide des problèmes dominés par l’advection sur matforge.org fournit des conseils complémentaires sur les stratégies de stabilisation (SUPG, FLUX LIMITEURS, PECLET ANALYSE) qui accompagnent les propriétés de conservation couvertes ici.

Lectures complémentaires

• Coppola, S. (2019). Sur la conservation des invariants quadratiques dans les schémas numériques pour les équations compressibles d’Euler et de Navier-Stokes. Avis sur la mécanique appliquée ASME, 71(1). 95 citations.
• Rajvanshi, A., & Ketcheson, D.I. (2026). Schémas efficaces de conservation de masse et d’équilibrage d’énergie d’ordre élevé. arxiv:2604.05940.
• Documentation de diffusion numérique de Moose : https://mooseframework.inl.gov/modules/porous_flow/numerical_diffusion.html
• Analyse d’équations modifiées par l’Université CFD :

Guides connexes

• problèmes dominés par advection : schémas au vent et stabilisation du SUPG — Références croisées pour les stratégies de stabilisation (SUPG, FLUX LIMITEURS, ANALYSE PECLET)
• Didacticiel sur la méthode Galerkin discontinu — Conception de flux DG et détails de conservation locaux
• Vérification vs validation dans les simulations scientifiques — MMS et méthodologie de vérification
• Quand utiliser FEM, FVM ou FDM – sélection de la méthode, y compris les exigences de conservation
• Méthodes d’intégration temporelle pour les solveurs PDE — Discussion sur les erreurs temporelles et restrictions de la LCF