De ERC Consolidator Grant is een persoonlijke beurs voor academici die hun wetenschappelijke onafhankelijkheid willen opbouwen of versterken, door een onderzoeksteam op te zetten of te consolideren. Sanderse, groepsleider Scientific Computing bij CWI en parttime universitair hoofddocent aan de TU Eindhoven, zal de beurs van twee miljoen euro gebruiken om obstakels aan te pakken die optreden wanneer je stromingen van lucht, water of gassen wil voorspellen.
Het probleem begint bij de manier waarop stromingen worden berekend. In zogenoemde Computational Fluid Dynamics-modellen wordt de ruimte opgedeeld in een fijn rooster van punten, en in elk punt worden de snelheid, druk en temperatuur van de vloeistof berekend. Voor eenvoudige (laminaire) stromingen werkt dit goed, maar in de praktijk zijn stromingen meestal turbulent: vol met wervels en draaikolken op allerlei verschillende lengteschalen. Om al deze wervels op te lossen, worden de berekeningen zo veeleisend dat ze zelfs voor supercomputers onhandelbaar worden.
Ingenieurs gebruiken daarom een omweg: ze berekenen alleen de grootschalige bewegingen van de stroming en vangen het effect van de kleinste wervels in een zogenoemd ‘sluitingsmodel’. Dat model ‘vult’ als het ware de ontbrekende fysica in. Juist deze sluitingsmodellen vormen echter de zwakke schakel. Ze blijken vaak instabiel te zijn, respecteren niet altijd de natuurwetten en zijn niet nauwkeurig genoeg in complexe situaties zoals grote windparken.
Entropie als oplossing
De afgelopen jaren zijn wereldwijd grofweg twee hoofdbenaderingen gevolgd. Aan de ene kant staan modellen die puur uit de fysica zijn afgeleid, gebaseerd op eenvoudige aannames over hoe kleine wervels zich gemiddeld gedragen. Aan de andere kant zijn er data-gedreven modellen ontstaan die met machine learning patronen destilleren uit zeer gedetailleerde simulaties of metingen. Die laatste modellen zijn veelbelovend, maar vereisen enorme hoeveelheden data, zijn lastig te interpreteren en bieden geen harde garanties voor stabiliteit of fysieke correctheid. Sanderse zegt hierover: “Alleen natuurkunde is niet genoeg, maar alleen data ook niet.”
In zijn nieuwe project – SYMBIOSIS – stelt hij een radicale middenweg voor, waarin het sleutelconcept entropie centraal staat bij het aanleren van sluitingsmodellen. In de natuurkunde en wiskunde is entropie een maat voor de richting van processen en geeft ze aan wat fysisch toelaatbaar is. In de informatietheorie kan entropie kwantificeren hoeveel onzekerheid er in een voorspelling zit en maakt ze een probabilistische blik op sluitingsmodellen mogelijk. Sanderse wil deze twee rollen op een symbiotische manier combineren. De wiskundig-fysische entropie moet ervoor zorgen dat de nieuwe sluitingsmodellen stabiel blijven en fundamentele natuurwetten respecteren. De informatie-theoretische entropie zal worden gebruikt om te toetsen of de statistiek van turbulentie klopt: niet of elk getal exact juist is, maar of de verdeling van snelheden en drukken overeenkomt met de echte stroming.
Energie-toepassingen en verder
Als deze benadering slaagt, kan dat directe gevolgen hebben voor de manier waarop we de energietransitie vormgeven, stelt Sanderse. Zo zouden probabilistische modellen (die onzekerheid expliciet meenemen) van turbulente luchtstromen achter windturbines het mogelijk maken om windparken efficiënter te ontwerpen en slimmer te exploiteren, zodat er meer energie uit dezelfde hoeveelheid wind kan worden gehaald. Een ander voorbeeld dat binnen SYMBIOSIS wordt aangepakt, is de simulatie van turbulente stroming van comprimeerbare CO2, die cruciaal is voor het ontwerp van warmtewisselaars en transportsystemen.
Aangezien de rekenhulpmiddelen die Sanderse wil ontwikkelen in wezen bestaan uit generieke wiskundige methoden voor het omgaan met complexe, meerschalige systemen, kunnen ze mogelijk ook worden toegepast in tal van andere domeinen buiten de energiesector. Denk bijvoorbeeld aan weer- en klimaatmodellen en toepassingen in de levenswetenschappen.
De Europese beurs geeft Sanderse vijf jaar de tijd om een team op te bouwen en zijn ideeën uit te werken. “Het uiteindelijke doel is niet om turbulentie te ‘temmen’ in de zin van het creëren van voorspelbare rust, maar om de chaos zó te modelleren dat we er betrouwbare statistische uitspraken over kunnen doen,” legt Sanderse uit.
