ML4PhySim:面向物理模拟的机器学习挑战赛(翼型设计)
机器学习
2024-03-05 v1 计算工程、金融与科学
摘要
使用机器学习(ML)技术解决复杂物理问题近期已被认为是一种极具前景的方法。然而,对于工业应用而言,对此类学习到的物理模型的评估仍然是一个重要问题。本次竞赛旨在鼓励利用最近提出的统一评估框架(称为 Learning Industrial Physical Simulations, LIPS)开发新的 ML 技术来解决物理问题。我们提出学习一个代表著名物理用例的任务:使用名为 AirfRANS 的数据集进行翼型设计模拟。为每个提交的解决方案计算的总分基于三大类标准,涵盖不同方面,即:ML 相关标准、分布外(Out-Of-Distribution)标准和物理合规性标准。据我们所知,这是第一个致力于使用基于 ML 的代理方法来改善物理模拟计算成本/精度权衡的竞赛。该竞赛由 Codabench 平台主办,对所有提交的解决方案进行在线训练和评估。
引用
@article{arxiv.2403.01623,
title = {ML4PhySim : Machine Learning for Physical Simulations Challenge (The airfoil design)},
author = {Mouadh Yagoubi and Milad Leyli-Abadi and David Danan and Jean-Patrick Brunet and Jocelyn Ahmed Mazari and Florent Bonnet and Asma Farjallah and Marc Schoenauer and Patrick Gallinari},
journal= {arXiv preprint arXiv:2403.01623},
year = {2024}
}