几何感知世界模型中的瞬态对流热传递学习
流体动力学
2026-01-30 v1 计算机视觉与模式识别
摘要
偏微分方程 (PDE) 模拟是工程和物理学中的基本工具，但常常在实时应用中计算负担沉重。虽然生成式 AI 为替代建模提供了前景，但标准视频生成架构缺乏特定控制和数据兼容性。本文引入了源自视频生成架构 (LongVideoGAN) 的几何感知世界模型架构，用于学习瞬态物理。我们引入两个关键架构元素：(1) 包含全局物理参数和局部几何掩码的双重条件机制，(2) 支持任意通道维度的架构适配，超越标准 RGB 限制。我们在涉及由浮力驱动流动传递热量并耦合固体结构热流的二维瞬态计算流体动力学 (CFD) 问题上评估了该方法。我们展示，条件化模型成功复现了训练数据的复杂时序动力学和空间相关性。此外，我们评估了模型在未见证几何配置上的泛化能力，凸显了受控仿真合成的潜力以及在分布外样本中空间精度的当前局限。
引用
@article{arxiv.2601.22086,
title = {Learning Transient Convective Heat Transfer with Geometry Aware World Models},
author = {Onur T. Doganay and Alexander Klawonn and Martin Eigel and Hanno Gottschalk},
journal= {arXiv preprint arXiv:2601.22086},
year = {2026}
}
备注
36 pages, 18 figures, 2 tables