NeurIPS 2024 机器学习用于计算流体动力学空气动力学设计竞赛：探索机器学习在空气动力学设计中的应用
流体动力学
2024-07-03 v1 计算工程、金融与科学
机器学习
摘要
机器学习技术在解决复杂物理问题方面的集成日益被认可为加速仿真的有前景的途径。然而，对机器学习衍生物理模型的评估仍是其在工业领域广泛采纳面临的重大挑战。本次竞赛旨在促进创新机器学习方法的开发，以解决物理学挑战，同时利用我们最近引入的统一评估框架——学习工业物理仿真（Learning Industrial Physical Simulations, LIPS）。在由2023年11月至2024年3月举办的初步赛版基础上，本次竞赛聚焦于一个基本且已建立的物理应用：空气动力学设计仿真，采用我们提出的AirfRANS数据集。竞赛根据包括机器学习准确性、计算效率、分布外性能以及遵循物理原理等多项标准来评估解决方案。值得注意的是，本次竞赛代表了首次探索机器学习驱动的替代方法，以优化物理仿真中计算效率与准确性之间的权衡。竞赛在Codabench平台上进行，为所有参赛方案提供在线训练和评估。
引用
@article{arxiv.2407.01641,
title = {NeurIPS 2024 ML4CFD Competition: Harnessing Machine Learning for Computational Fluid Dynamics in Airfoil Design},
author = {Mouadh Yagoubi and David Danan and Milad Leyli-abadi and Jean-Patrick Brunet and Jocelyn Ahmed Mazari and Florent Bonnet and maroua gmati and Asma Farjallah and Paola Cinnella and Patrick Gallinari and Marc Schoenauer},
journal= {arXiv preprint arXiv:2407.01641},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2403.01623