INFINITY:面向雷诺平均Navier-Stokes方程的神经场建模
机器学习
2023-07-26 v1 流体动力学
摘要
对于数值设计,开发高效准确的代理模型至关重要。它们使我们能够近似复杂物理现象,从而减轻直接数值模拟的计算负担。我们提出INFINITY,一种利用隐式神经表示(INRs)应对该挑战的深度学习模型。我们的框架将几何信息与物理场编码为紧致表示,并学习二者间映射以推断物理场。我们以翼型设计优化问题为例证任务,并在具挑战性的AirfRANS数据集上评估我们的方法,该数据集密切近似真实工业用例。实验结果表明我们的框架通过精确推断体域与表面的物理场达到最先进性能。此外我们展示了其在设计探索与形状优化等情境中的适用性:我们的模型能在遵循方程的同时正确预测阻力与升力系数。
引用
@article{arxiv.2307.13538,
title = {INFINITY: Neural Field Modeling for Reynolds-Averaged Navier-Stokes Equations},
author = {Louis Serrano and Leon Migus and Yuan Yin and Jocelyn Ahmed Mazari and Patrick Gallinari},
journal= {arXiv preprint arXiv:2307.13538},
year = {2023}
}
备注
ICML 2023 Workshop on Synergy of Scientific and Machine Learning Modeling