面向汽车空气动力学的AI模型基准测试框架
机器学习
2025-07-16 v1
摘要
本文介绍了一种用于系统性评估AI模型在汽车空气动力学预测中准确性、性能、可扩展性和泛化能力的基准测试框架。该框架构建于开源NVIDIA PhysicsNeMo-CFD框架内，旨在为Computer-Aided Engineering(CAE)社区提供多样化指标的可纳入性。通过提供标准化的AI模型比较方法，框架在性能评估方面增强了透明度和一致性，旨在提高对这些模型及其开发的理解，以加速该领域的研究与创新。为演示其实用性，框架对使用DrivAerML数据集评估了DoMINO、X-MeshGraphNet和FIGConvNet三个AI模型的表面和体积流场预测。该框架还包括将其他模型和数据集集成的指南，使其能够用于物理一致的指标，具有可扩展性。该基准测试研究旨在使研究人员和行业专业人员能够选择、细化和推进AI驱动的空气动力学建模方法，最终促进开发更高效、更准确、更具可解释性的解决方案。
引用
@article{arxiv.2507.10747,
title = {A Benchmarking Framework for AI models in Automotive Aerodynamics},
author = {Kaustubh Tangsali and Rishikesh Ranade and Mohammad Amin Nabian and Alexey Kamenev and Peter Sharpe and Neil Ashton and Ram Cherukuri and Sanjay Choudhry},
journal= {arXiv preprint arXiv:2507.10747},
year = {2025}
}