Whether the 3D incompressible Euler equations can develop a finite time singularity from smooth initial data is one of the most challenging problems in nonlinear PDEs. In this paper, we present some new numerical evidence that the 3D axisymmetric incompressible Euler equations with smooth initial data of finite energy develop a potential finite time singularity at the origin. This potential singularity is different from the blowup scenario revealed by Luo-Hou in \cite{luo2014potentially,luo2014toward}, which occurs on the boundary. Our initial condition has a simple form and shares several attractive features of a more sophisticated initial condition constructed by Hou-Huang in \cite{Hou-Huang-2021}. One important difference between these two blowup scenarios is that the solution for our initial data has a one-scale structure instead of a two-scale structure reported in \cite{Hou-Huang-2021}. More importantly, the solution seems to develop nearly self-similar scaling properties that are compatible with those of the 3D Navier--Stokes equations. We will present strong numerical evidence that the 3D Euler equations seem to develop a potential finite time singularity. Moreover, the nearly self-similar profile seems to be very stable to the small perturbation of the initial data. Finally, we present some preliminary results to demonstrate that the 3D Navier--Stokes equations using the same initial condition develop nearly singular behavior with maximum vorticity increased by a factor of $10^{7}$.


翻译:3D 无法压缩的 Euler 方程式能否从平滑初始数据中得出一个有限的时间奇数, 是非线性 PDE 中最具挑战性的问题之一。 在本文中, 我们展示了一些新的数字证据表明, 3D 轴性不压缩 Euler 方程式与平滑的初始能源数据形成一个潜在的有限时间奇数。 这种潜在奇数与Loo-Hou 在\cite{Hou-Hulo2014 潜在地, 卢到方向} 中披露的吹风假想不同。 我们的初始状态有简单的形式, 并分享了由Hou- Hu- Hum- 2021} 中Hou- Hulder 构建的更复杂的初始初始条件中的一些有吸引力的特征。 这两种振荡情景之间的一个重要区别是, 我们初始数据的解决方案有一个单一规模结构, 而不是在\ cite{Hou- Hu- Hu- 2021} 中报告的两层结构结构。 更重要的是, 解决方案似乎会发展出与 3D 初始- Snavil- Stal 度初步结果中的一些相似的特性特征特征特征, 几乎可以显示一个稳定的自我平态的自我平局 。

0
下载
关闭预览

相关内容

专知会员服务
26+阅读 · 2021年7月11日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
PTGAN for Person Re-Identification
统计学习与视觉计算组
4+阅读 · 2018年9月10日
【学习】CVPR 2017 Tutorial:如何从图像来构建3D模型
机器学习研究会
6+阅读 · 2017年8月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年9月15日
Arxiv
0+阅读 · 2021年9月14日
VIP会员
相关VIP内容
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
PTGAN for Person Re-Identification
统计学习与视觉计算组
4+阅读 · 2018年9月10日
【学习】CVPR 2017 Tutorial:如何从图像来构建3D模型
机器学习研究会
6+阅读 · 2017年8月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员