基于自适应神经网络的近似以加速欧拉流体模拟
机器学习
2020-08-31 v1 分布式、并行与集群计算
计算物理
机器学习
摘要
欧拉流体模拟是一项重要的 HPC 应用。神经网络已被应用于加速它。当前用神经网络加速流体模拟的方法缺乏灵活性与泛化能力。本文着手解决上述局限，旨在增强神经网络在欧拉流体模拟中的适用性。我们引入 Smartfluidnet，一个自动化模型生成与应用的框架。给定一个已有神经网络作为输入，Smartfluidnet 在模拟前生成多个神经网络以满足执行时间与模拟质量需求。在模拟期间，Smartfluidnet 动态切换神经网络以尽最大努力达到用户对模拟质量的要求。使用 20,480 个输入问题进行评测，我们表明 Smartfluidnet 在 NVIDIA Titan X Pascal GPU 上相比最先进（SOTA）神经网络模型与原始流体模拟分别实现了 1.46 倍和 590 倍加速，同时提供比 SOTA 模型更好的模拟质量。
引用
@article{arxiv.2008.11832,
title = {Adaptive Neural Network-Based Approximation to Accelerate Eulerian Fluid Simulation},
author = {Wenqian Dong and Jie Liu and Zhen Xie and Dong Li},
journal= {arXiv preprint arXiv:2008.11832},
year = {2020}
}