用于随机二维形状周围层流预测的图神经网络
流体动力学
2021-12-22 v2 计算物理
摘要
近年来，快速流场预测领域主要由基于像素的卷积神经网络主导。然而，图卷积神经网络（GCNNs）近期的出现已在计算流体动力学（CFD）界引起了相当多的关注。在本文中，我们提出了一种GCNN结构作为二维障碍物周围层流预测的代理模型。与图像像素上的传统卷积不同，图卷积可直接应用于贴体三角网格，从而易于与CFD求解器耦合。所提出的GCNN模型在一个由CFD计算的2000个随机二维形状周围的层流组成的数据集上训练。在训练外障碍物周围重建的速度和压力场上评估精度水平，并与标准U-net架构进行比较，尤其是在边界层区域。
引用
@article{arxiv.2107.11529,
title = {Graph neural networks for laminar flow prediction around random 2D shapes},
author = {Junfeng Chen and Elie Hachem and Jonathan Viquerat},
journal= {arXiv preprint arXiv:2107.11529},
year = {2021}
}