圆柱体后二维层流中深度学习模型的基准测试
神经与进化计算
2022-05-27 v1
摘要
迅速发展的流体力学领域近来已采用深度学习来解决该领域内的各类问题。本着同样的精神，我们尝试执行直接数值模拟 (DNS)——这是计算流体力学中的任务之一——使用深度学习领域中三种基本架构，它们各自曾被用于解决各种高维问题。我们以自编码器方式训练这三个模型，为此将数据集视为顺序帧作为模型输入。我们观察到，近期引入的称为 Transformer 的架构在所选定数据集上显著优于其对应模型。此外，我们得出结论：在计算流体力学领域使用 Transformer 进行 DNS 是一个值得探索的有趣研究方向。
引用
@article{arxiv.2205.13485,
title = {Benchmarking of Deep Learning models on 2D Laminar Flow behind Cylinder},
author = {Mritunjay Musale and Vaibhav Vasani},
journal= {arXiv preprint arXiv:2205.13485},
year = {2022}
}
备注
5 figures, 8 pages