NeurIPS 2024 ML4CFD竞赛：结果与回顾性分析
机器学习
2025-06-11 v1
摘要
机器学习（ML）与物理科学的融合正在重塑计算范式，提供了加速计算流体力学（CFD）等高需求模拟的潜力。然而，准确泛化和物理一致性方面的持续挑战阻碍了ML模型在科学领域的实际部署。为解决这些局限并系统性地基准测试进展，我们组织了ML4CFD竞赛，聚焦于二维翼型空气动力学模拟的代理建模。该竞赛吸引了超过240支队伍参与，他们获得了一个通过OpenFOAM生成的精选数据集，并通过涵盖预测精度、物理保真度、计算效率和分布外泛化的多准则框架进行评估。本次回顾性分析审视了竞赛结果，突出了在全局评估得分下超越基线的若干方法。值得注意的是，最佳参赛作品在聚合指标上超过了原始OpenFOAM求解器的性能，展示了ML代理在定制准则下超越传统求解器的潜力。从这些结果出发，我们分析了顶尖提交作品的关键设计原则，评估了评估框架的鲁棒性，并为未来的科学ML挑战提供了指导。
引用
@article{arxiv.2506.08516,
title = {NeurIPS 2024 ML4CFD Competition: Results and Retrospective Analysis},
author = {Mouadh Yagoubi and David Danan and Milad Leyli-Abadi and Ahmed Mazari and Jean-Patrick Brunet and Abbas Kabalan and Fabien Casenave and Yuxin Ma and Giovanni Catalani and Jean Fesquet and Jacob Helwig and Xuan Zhang and Haiyang Yu and Xavier Bertrand and Frederic Tost and Michael Baurheim and Joseph Morlier and Shuiwang Ji},
journal= {arXiv preprint arXiv:2506.08516},
year = {2025}
}