コンテンツにスキップ

stefan-melting2d

英語 | 日本語

« Home · « 熱・相変化

Enthalpy-method thermal LBM -- one-phase Stefan melting problem. A semi- infinite solid initially at the melt temperature T_m suddenly has its x=0 face raised to T_wall > T_m; the solid-liquid front x_f(t) advances into the domain following the classical Stefan similarity solution. This is a pure- conduction test (no flow, u = 0), so only the scalar (thermal) population is evolved -- the D2Q5 advection-diffusion LBM of thermal_cavity2d.cpp with the advection velocity set to zero, plus a latent-heat source. C++20 stdpar.

概要: 1相ステファン融解問題。エンタルピー法で潜熱を扱い、界面位置を解析相似解と比較する。誤差 −0.0018%。

Geometry

stefan-melting2d geometry

Animation

Fields

この計算が最後の出力ステップで書き出した場をそのまま描いたもの。3D ケースは中央断面。

stefan-melting2d T

Results

一相 Stefan 融解のエンタルピー法検証 — 流れなし(u = 0)の純伝導 + 潜熱で、移動する固液前線を固定格子で追う。Nx = 320(Ny = 4、y 周期で 実質 1D)、120000 ステップ、St = 1.000、α = 1/6(τ_g = 3α + 1/2 = 1.0000)、L = 1.0000、cp = 1.000。壁時計 1.42 秒。

  • 前線位置:x_f(t) = 2λ√(αt) の相似解に対し、ログの 10000 ステップ ごとの対照はどの行も 0.1% 以内。例:step 10000 で 50.697 vs 解析 50.628、step 120000 で 175.297 vs 175.380。解析値の検算: 2 × 0.620063 × √(0.16667 × 120000) = 1.240126 × √20000 = 175.38 ✓。
  • 相似係数:x_f–√t フィットから λ_meas = 0.620052 vs 厳密 λ_exact = 0.620063、誤差 −0.0018%(RESULT 行 lambda_err_pct)。 厳密値は超越方程式の根で、検算 0.620063 × e^{0.384478} × erf(0.620063) = 0.5642 = 1/√π ✓。
  • 温度場:液相域(n = 175 セル)の誤差関数プロファイルに対する 相対 L2 = 2.4253e-04。前線位置だけでなく場全体が合っている。

前線を陽に追跡せず、λ を 5 桁で回収する — エンタルピー閉包 (enthalpy_liquid_fraction / latent_heat_source、closures.hpp)の 検証としてこれ以上ないほど鋭いゲートであり、対流つきの gallium-melting2d はこの部品をそのまま使う。

Governing equations

半無限固体(初期温度 = 融点 T_m)の x = 0 面を t = 0 に T_wall へ上げる。 古典 Stefan 相似解(Carslaw–Jaeger / Alexiades–Solomon):

\[
x_f(t)=2\lambda\sqrt{\alpha t},\qquad
\lambda e^{\lambda^2}\mathrm{erf}(\lambda)=\frac{St}{\sqrt{\pi}},\qquad
St=\frac{c_p(T_{\rm wall}-T_m)}{L}
\]
\[
T(x,t)=T_{\rm wall}\Big(1-\frac{\mathrm{erf}(x/2\sqrt{\alpha t})}{\mathrm{erf}\lambda}\Big)
\]

LBM 側はエンタルピー法(Jiaung–Ho–Kuo 2001):全エンタルピー H = c_p T + L·f_l(f_l ∈ [0,1] は液相率)。D2Q5 スカラー LBM が顕熱 T = Σ g_i を運び、潜熱は衝突内のソース S = −(L/c_p) df_l/dt として 入る。f_l は毎ステップ局所エンタルピーから逆算され(T_m に固定された 等温相変化)、前線は f_l の 0–1 遷移として格子から切り離される — 前線追跡もリメッシュも不要。u = 0 なので thermal_cavity2d の D2Q5 が 純拡散演算子として使われ、α = c_s²(τ_g − 1/2)。境界は x = 0 が T_wall、x = L が T_m のアンチ・バウンスバック Dirichlet(右端は前線の はるか先に置いて半無限を模す)、y は周期。

Code walkthrough

ソース(281 行)と closures.hpp。

%%{init: {'themeVariables': {'fontSize': '11px'}}}%%
flowchart LR
    W["x=0:T_wall<br/>アンチBB Dirichlet"] --> LQ["液相 f_l=1<br/>誤差関数プロファイル"]
    LQ --> F(("前線 x_f(t)<br/>0<f_l<1")) --> S["固相 f_l=0, T=T_m"]
    S --> E["x=L:T_m Dirichlet<br/>(半無限の代役)"]
  1. λ 求根 — 単調な超越方程式を二分法で解き lambda_exact を得る。
  2. collide — D2Q5 BGK + 潜熱ソース。enthalpy_liquid_fraction で f_l を更新し、latent_heat_source が df_l/dt をソースに変換。
  3. stream + BC — 周期 y、アンチ BB の x 両端。
  4. 診断 — 10000 ステップごとに f_l = 1/2 の前線位置 vs 解析値。 最後に λ フィット、液相域温度 L2、RESULT 行、front/profile CSV。

Build & run

cmake -S native -B native/build && cmake --build native/build -j
./native/build/orheo-stefan-melting2d

stefan_melting2d [Nx] [steps] [St] [alpha] [out_prefix] [Ny]

このページの図を作った計算のコスト(Miyabi-G Grace CPU (72 cores, -stdpar=multicore)): 1.4 s wall。

Things to try

  • St 掃引:stefan_melting2d 320 120000 0.1 — St が小さいほど前線が 遅く(λ(0.1) ≈ 0.22)、準定常近似が良くなる。λ_meas の精度は保たれるか。
  • τ_g を変える:α を 1/6 からずらして τ_g ≠ 1 にすると、アンチ BB Dirichlet と潜熱ソースの誤差バランスが変わる。−0.0018% がどこまで動くか。
  • 右端を近づける:Nx = 200 で前線が右壁の Dirichlet T_m を「感じる」 時刻を観察 — 半無限近似の破れ方の実地教材。
  • gallium-melting2d へ:同じ 2 つの閉包に Carman–Kozeny 抗力と浮力を 足すと対流つき融解になる。差分を読み比べる。

Validation

Tier T1 — 自動ゲートあり
QoI front_position
Reference analytic one-phase Stefan similarity solution
Gate 🧩 モジュールゲート (closures)

Source & run details

View source

Item Value
Target orheo-stefan-melting2d
Source native/benchmarks/stefan_melting2d.cpp
Lattice D2Q9
GPU twin no
Modules closures.hpp
Gallery run 2026-07-27 @ 7628c0cf
Args ``
Wall time 1.42 s
CPU time 94.81 s
Device Miyabi-G Grace CPU (72 cores, -stdpar=multicore)

Computation log

この計算の実際の出力(先頭と末尾)。

stefan_melting2d Nx=320 Ny=4 steps=120000 St=1.000 alpha=0.16667 tau_g=1.0000 L=1.0000 cp=1.000  lambda_exact=0.620063
  step 10000: x_f=50.697  (analytic 50.628)
  step 20000: x_f=71.657  (analytic 71.599)
  step 30000: x_f=87.775  (analytic 87.690)
  step 40000: x_f=101.162  (analytic 101.256)
  step 50000: x_f=113.124  (analytic 113.207)
  step 60000: x_f=124.009  (analytic 124.013)
  step 70000: x_f=133.981  (analytic 133.949)
  step 80000: x_f=143.117  (analytic 143.197)
  step 90000: x_f=151.940  (analytic 151.884)
  step 100000: x_f=160.053  (analytic 160.099)
  step 110000: x_f=167.959  (analytic 167.914)
  step 120000: x_f=175.297  (analytic 175.380)
x_f(final)=175.297  lambda_meas=0.620052  lambda_exact=0.620063  err=-0.00%

References

  • W.-S. Jiaung, J.-R. Ho & C.-N. Kuo, Numerical Heat Transfer B 39 (2001) 167–187 — エンタルピー法 LBM。
  • X. He, S. Chen & G. D. Doolen, J. Comput. Phys. 146 (1998) 282.
  • H. S. Carslaw & J. C. Jaeger, Conduction of Heat in Solids, 2nd ed., Oxford (1959), Ch. XI.
  • V. Alexiades & A. D. Solomon, Mathematical Modeling of Melting and Freezing Processes, Hemisphere (1993), Ch. 1–2.