高爆炸物及其影响目标 (HEAT) 数据集
机器学习
2026-04-22 v1 计算物理
摘要
人工智能 (AI) 代理模型提供了对完整物理仿真的计算上高效替代方案，但目前不存在用于训练和验证高爆炸驱动的多材料冲击动力学模型的公共数据集。模拟冲击波传播具有挑战性，因需采用材料特定的状态方程 (EOS) 和塑性、相变、损伤、流体不稳定性和多材料相互作用模型。爆炸驱动的冲击波进一步需要反应性材料模型来捕捉爆炸物理。为填补这一空白，我们介绍了高爆炸物及其影响目标 (HEAT) 数据集，这是一个来自洛杉矶国家实验室开发的Eulerian 多材料冲击传播代码生成的、富有物理意义的二维、圆柱对称模拟集合。HEAT 包含两个分区：扩张冲击-圆柱 (CYL) 模拟和扰动层界面 (PLI) 模拟。每条记录包括热力学场 (压力、密度、温度)、运动学场 (位置、速度) 以及应力等连续体量。CYL 分区涵盖多种材料，包括金属 (铝、铜、铀、不锈钢、钽)、聚合物、水、气体 (空气、氮气) 以及爆炸材料。PLI 分区探索 varied几何结构，固定材料为铜、铝、不锈钢、聚合物和高爆炸物。HEAT 捕捉了冲击波传播、动量传递、塑性变形和热效应等关键现象，为 AI/ML 模型的多材料冲击物理提供了基准数据集。
引用
@article{arxiv.2604.18828,
title = {The High Explosives and Affected Targets (HEAT) Dataset},
author = {Bryan Kaiser and Kyle Hickmann and Sharmistha Chakrabarti and Soumi De and Sourabh Pandit and David Schodt and Jesus Pulido and Divya Banesh and Christine Sweeney},
journal= {arXiv preprint arXiv:2604.18828},
year = {2026}
}