用于不可压缩层流快速预测的 U-net 架构
计算物理
2019-10-31 v1 图像与视频处理
摘要
机器学习是一种被应用于众多领域的流行工具，从计算机视觉到自然语言处理。其被用于物理学领域为时不长，但其能力仍有待精确界定。本文关注利用监督神经网络预测层流中任意形状周围的二维速度与压力场。为此，使用贝塞尔曲线构建由随机形状组成的数据集，并通过 CFD 求解器求解纳维-斯托克斯方程，为每个形状标注其压力场与速度场。随后，在该数据集上训练若干 U-net 架构，并使用专用误差函数在未见形状上评估其预测效率。
引用
@article{arxiv.1910.13532,
title = {U-net architectures for fast prediction of incompressible laminar flows},
author = {Junfeng Chen and Jonathan Viquerat and Elie Hachem},
journal= {arXiv preprint arXiv:1910.13532},
year = {2019}
}