Chaos, das zur Ordnung führt

Turbulente Superstrukturen sind eine Ordnung in weit ausgedehnten Systemen, die aus der turbulenten Wirbel­bewegung, etwa der Luft­bewegung in der Atmosphäre, hervor­geht. Diese Strukturen wider­sprechen der gängigen Vorstellung, dass Fluid­bewegung im Falle von Turbulenz ungeordnet und chaotisch ist. Jörg Schumacher, Leiter des Fach­gebiets Strömungs­mechanik der TU Ilmenau, führte nun ein inter­nationales Wissenschaftler­team aus Strömungs­forschern an, dem es mit Hilfe umfangreicher Super­computer­simulationen erstmals gelang, ausgedehnte Super­strukturen in einer Viel­zahl unterschiedlicher Systeme darzustellen und zu erforschen. Dabei fielen gigantische Daten­mengen an, die mit Hilfe neu­artiger Methoden der Muster­erkennung und Daten­reduktion durch­forstet und analysiert wurden.

In seinen wissenschaftlichen Arbeiten beantwortet Schumacher vom Institut für Thermo- und Fluid­dynamik der TU Ilmenau erst­mals zentrale Fragen nach dem Ursprung von Super­strukturen und ihrer Bedeutung für den turbulenten Transport von Impuls und Wärme: „Das führt letzt­endlich zu genaueren Vorhersagen des Wetters und des Klima­wandels und hilft uns, die variierende Aktivität der Sonne zu verstehen, die wiederum einen entscheidenden Einfluss auf unsere obere Erd­atmosphäre in den Polar­regionen hat.“

Die Forschungsarbeiten von Schumacher und seinem Team basieren auf einer alten physikalischen Erkenntnis: Wärmere leichte Luft steigt auf, kältere schwere Luft sinkt dagegen nach unten. Dieser allen bekannte Sach­verhalt beschreibt auf einfache Weise, was hinter thermischen Konvektions­prozessen steckt. Sind die Temperatur­unterschiede hinreichend groß, wird die resultierende Luft­bewegung turbulent. Turbulente Konvektion findet nicht nur in der Atmosphäre statt, sie vollzieht sich auch in den Welt­meeren, im Flüssig­metall­kern tief im Innern der Erde und auch in der Sonne und in anderen ihr verwandten Sternen.

All diesen Konvektionsbewegungen liegen die gleichen physikalischen Prozesse zugrunde, doch unterscheiden sich Dichte, Wärme­leit­fähigkeit oder Viskosität deutlich voneinander. Strömungs­forscher fassen diese Eigen­schaften in Kenn­zahlen zusammen, um zum Beispiel im Falle der Prandtl­zahl innere Reibung und Wärme­leit­fähigkeit im Fluid zueinander ins Verhältnis zu setzen. Konvektion in der Sonne zeichnet sich zum Beispiel durch extrem niedrige Prandtl­zahlen aus, da Wärme im Vergleich zum Impuls viel in­effektiver durch Elektronen aus dem Fusions­kern an die Sonnen­ober­fläche als durch Licht­quanten transportiert werden kann. Zum Vergleich: In Konvektions­strömungen im Ozean ist die entsprechende Prandtl­zahl zehn Millionen Mal größer.

Die Forscher der TU Ilmenau um Schumacher und Kollegen aus Los Angeles konnten nun erst­mals die Gemeinsam­keiten von turbulenten Konvektions­prozessen in weit ausgedehnten Schichten bei verschiedensten Prandtl­zahlen systematisch heraus­stellen. Wie sie in ihrer Arbeit berichten, beobachteten sie in all diesen Fällen die Entstehung turbulenter Super­strukturen, einer Ordnung in der verwirbelten, chaotischen Turbulenz. In turbulenten Transport- und Mischungs­prozessen sind Super­strukturen so etwas wie das tragende Skelett. Den Wissen­schaftlern gelang es zudem, die langsame Entwicklung der groß­skaligen Super­strukturen von klein­skaligen, schnellen Wirbel­bewegungen zu trennen. Diese Zerlegung in Grob- und Fein­struktur eröffnet nun vollkommen neu­artige Perspektiven bei der besseren Vorher­sage von Turbulenzen in Atmosphäre, Ozean und Sonne.

Da nun klar ist, wie die Superstrukturen gefunden und vom Rest isoliert werden können, lässt sich ihre Beschreibung im nächsten Schritt drastisch vereinfachen. Zurzeit arbeiten Schumacher und seine Kollegen deshalb intensiv daran, für die langsame dynamische Entwicklung dieser Konvektions­muster Methoden des maschinellen Lernens und der Netzwerk­theorie zu kombinieren. Damit lösen sie sich von den zu Grunde liegenden mathematischen Modell­gleichungen der Konvektion und lassen statt­dessen tief gestaffelte neuronale Netze Prognosen zum Umbau der Super­struktur­muster machen. Solche Netze können sehr schnell riesige Simulations-Daten­mengen verarbeiten und würden die Vorher­sagen zum Transport stark beschleunigen und vereinfachen. Genutzt werden dazu übrigens die gleichen daten­hungrigen Computer­algorithmen, die bei der Sprach­erkennung im Handy und beim autonomen Fahren angewendet werden.

TU Ilmenau / DE