AeroDiT：用于空气动力学翼身流场的扩散 Transformer
流体动力学
2025-10-23 v4 计算物理
摘要
实时且准确地预测空气动力学翼身周围的流场对于流控和空气动力学优化至关重要。然而，由于高计算成本和流动力学的非线性特性，实现这一目标仍富有挑战性。传统的计算流体动力学（CFD）方法在计算效率与准确性之间受限，阻碍了其在实时场景中的应用。为此，本研究提出 AeroDiT，一种新型代理模型，将可扩展的扩散模型与 Transformer 架构相结合，以解决上述挑战。该模型在高雷诺数空气动力学翼身流场的雷诺平均 Navier-Stokes（RANS）模拟数据上进行训练，能够准确捕捉复杂的流动模式，同时实现实时预测。模型展现出卓越的性能，压力 p 及速度分量 的平均相对 误差分别为 0.1、0.025 和 0.050，证明了其可靠性。为进一步提升物理一致性，我们引入基于 RANS 残差的显式物理感知损失，包括质量守恒和动量守恒约束。基于 Transformer 的结构使模型能够在数秒内实现实时预测，实现高效的空气动力学仿真。本工作凸显了生成式机器学习技术在计算流体动力学领域的潜力，为模拟高保真空气动力学流场提供了可能的解决方案。
引用
@article{arxiv.2412.17394,
title = {AeroDiT: Diffusion Transformers for Reynolds-Averaged Navier-Stokes Simulations of Airfoil Flows},
author = {Chunyang Wang and Biyue Pan and Zhibo Dai and Yudi Cai and Yuhao Ma and Hao Zheng and Dixia Fan and Hui Xiang},
journal= {arXiv preprint arXiv:2412.17394},
year = {2025}
}