PMRT：用于快速3D高分辨率气动预测的训练配方
机器学习
2025-09-23 v1
摘要
汽车的气动优化需要气动学家与造型师紧密合作，而缓慢且昂贵的仿真仍是瓶颈。替代模型已被证明可准确预测其训练所覆盖设计空间内的气动性能。然而，这些模型许多难以扩展到更高分辨率，因为问题具有三维特性且数据稀缺。我们提出**渐进多分辨率训练（Progressive Multi-Resolution Training, PMRT）**，一种概率多分辨率训练计划，使其能够在单块NVIDIA H100 GPU上以24小时完成对阻力系数（）和高分辨率速度场（512 x 128 x 128）的训练，成本仅为高分辨率基线的1/7，准确率相近。PMRT根据训练过程中变化的概率，从三个分辨率中抽样批次，起始时侧重较低分辨率，逐渐转向较高分辨率。由于这是一种训练方法，故可适用于其他高分辨率导向的主干网络。我们还展示了单个模型可跨越来自不同求解器的五个数据集进行训练，包括真实世界数据集，通过对仿真参数进行条件化。我们在DrivAerML数据集中实现的模型，其 为0.975，与文献基线相当，却在训练成本上远低于之。
引用
@article{arxiv.2509.17182,
title = {PMRT: A Training Recipe for Fast, 3D High-Resolution Aerodynamic Prediction},
author = {Sam Jacob Jacob and Markus Mrosek and Carsten Othmer and Harald Köstler},
journal= {arXiv preprint arXiv:2509.17182},
year = {2025}
}