SMART：使用基于 Transformer 的代理模型从原始几何进行可扩展无网格空气动力学仿真
机器学习
2026-01-27 v1 人工智能
计算机视觉与模式识别
神经与进化计算
摘要
基于机器学习的代理模型已成为复杂几何（例如汽车车身）物理仿真中数值求解器的高效替代方案。许多现有模型将仿真网格作为额外输入，从而降低预测误差。然而，为新几何生成仿真网格在计算上成本高昂。相比之下，不依赖仿真网格的无网格方法通常会产生更高的误差。受这些考虑的启发，我们引入了 SMART，这是一种神经代理模型，仅使用几何的点云表示即可预测任意查询位置处的物理量，而无需访问仿真网格。几何和仿真参数被编码到一个共享潜在空间中，该空间捕获了物理场的结构和参数特征。然后，物理解码器关注编码器的中间潜在表示，将空间查询映射到物理量。通过这种跨层交互，该模型联合更新潜在几何特征和不断演化的物理场。大量实验表明，SMART 与依赖仿真网格作为输入的现有方法相比具有竞争力且通常表现更优，证明了其在工业级仿真中的能力。
引用
@article{arxiv.2601.18707,
title = {SMART: Scalable Mesh-free Aerodynamic Simulations from Raw Geometries using a Transformer-based Surrogate Model},
author = {Jan Hagnberger and Mathias Niepert},
journal= {arXiv preprint arXiv:2601.18707},
year = {2026}
}