AirfRANS：用于近似雷诺平均纳维-斯托克斯解的高保真计算流体动力学数据集
机器学习
2023-06-02 v3 计算机视觉与模式识别
计算物理
流体动力学
摘要
代理模型对于优化物理动力学中有意义的量而言是必要的，因为其递归数值求解往往昂贵得令人却步。流体动力学及纳维-斯托克斯方程求解正是主要情形。然而，尽管数据驱动物理系统模型领域快速增长，代表真实世界现象的参考数据集仍然匮乏。本工作中，我们开发了AirfRANS，一个用于研究亚音速工况下、不同攻角时翼型上二维不可压缩稳态雷诺平均纳维-斯托克斯方程的数据集。我们还引入了几何表面应力及边界层可视化等度量，以评估模型准确预测问题中有意义信息的能力。最后，我们在四项机器学习任务上提出深度学习基线，以在不同泛化考量约束下研究AirfRANS：大数据与稀缺数据机制、雷诺数及攻角外推。
引用
@article{arxiv.2212.07564,
title = {AirfRANS: High Fidelity Computational Fluid Dynamics Dataset for Approximating Reynolds-Averaged Navier-Stokes Solutions},
author = {Florent Bonnet and Ahmed Jocelyn Mazari and Paola Cinnella and Patrick Gallinari},
journal= {arXiv preprint arXiv:2212.07564},
year = {2023}
}