机器学习可视化工具用于探索参数化水动力学

我们关注计算研究冲击水动力学的问题，即涉及可压缩固体、液体和气体的大变形问题。这些问题是动态的和非线性的，并且可能表现出复杂的不稳定性。由于高性能计算的进步，可能对水动力学问题进行参数化计算研究，产生 $\mathcal{O}\left({\rm TB}\right)$ 的仿真状态数据。我们 presented 一个交互式机器学习工具，可用于压缩、浏览和插值这些大型仿真数据集。该工具允许计算科学家和研究人员快速可视化“假设情形”、执行灵敏度分析并优化复杂的水动力学实验。