Apr, 2024

CFD 应用数据降维的机器学习技术

PDF
TL;DR使用保证误差界限的保证块自编码器（GBATC）方法，通过张量相关性（Tensor Correlations）减少计算流体力学（CFD）等科学应用程序产生的时空数据。该方法使用一个多维张量块（跨越空间和时间）作为输入和输出，捕捉张量内的时空和物种间的关系。实验结果表明，该方法可以在保持原始数据误差在科学上可接受范围内，实现二个数量级的减少。与基于 SZ 的减少方案相比，我们的方法在给定误差界限下可以达到更高的压缩比或给定压缩比下拥有更好的误差。
guaranteed block autoencodertensor correlationsspatiotemporal datacomputational fluid dynamicscompression ratio
发现论文，激发创造
  • 气候应用数据降维的机器学习技术

    科学家们提出了一种流水线压缩方法，利用神经网络和保证自编码器进行数据压缩，以实现高压缩比同时达到模拟或数据收集的目标，并且实验证明该方法优于文献中的可比方法。

    May, 2024

  • 用深度卷积循环自编码器学习流体系统低维特征动态

    本研究提出一种基于深度学习的非线性模型降维策略，通过深度卷积自编码器和 LSTM 网络构建模块化模型，实现繁重计算任务中的模型降维，同时保持计算效率和系统稳定性。

    Aug, 2018

  • 使用自编码图卷积网络预测非均匀非结构化网格中的超音速流场

    该研究聚焦于解决非均匀非结构网格在计算流体力学中的挑战，通过利用图卷积网络和自编码图卷积网络结构生成降阶模型，有效提高了预测准确性和网络的能力。验证实验表明该方法在稳态分布量的精确重构方面可靠且具有多样性。

    May, 2024

  • 用 Bregman 学习稀疏化 PDE 解数据的降维

    我们提出了一种多步算法，通过在编码器 - 解码器网络中引入稀疏性来减少参数的数量和潜在空间的额外压缩。该算法以稀疏初始化网络开始，并使用线性化的 Bregman 迭代进行训练。在训练之后，我们进一步通过使用一种适当的正交分解形式来压缩潜在空间的维度。最后，我们使用一种偏置传播技术将引入的稀疏性转化为参数的有效减少。我们将该算法应用于三个代表性的偏微分方程模型：1D 扩散、1D 平流和 2D 反应扩散。与 Adam 等传统训练方法相比，该方法在保持相似准确性的同时，减少了 30% 的参数数量和显著减小的潜在空间。

    Jun, 2024

  • 通过深度序列学习模型模拟三维各向同性湍流的时空实现

    本文使用数据驱动的方法，应用前沿的深度学习技术模拟三维湍流，考虑流体的物理约束，并使用向量量化自编码器等方法降低数据维度，应用 Transformer 网络预测流体运动趋势，所得结果优于其他网络，但不能完美还原小幅动态。

    Dec, 2021

  • 基于注意力机制的卷积自编码器用于三维变分数据同化

    使用卷积自编码器，提出了一种新的基于‘双减少空间’的三维变分数据同化方法，证明该方法的解与先前的方法相同，但计算复杂度显著降低；我们测试了该方法的性能，并在与现有方法相比，减少背景协方差矩阵表示的大小，同时提高数据同化精度。

    Jan, 2021

  • 压缩卷积 LSTM：一种高效的深度学习框架，用于模拟高保真度的三维湍流

    提出了一种新的训练方法，用于减少维数和建模三维湍流的时空动力学，利用卷积自编码器和卷积 LSTM 神经网络组合，通过严格的基于物理的统计测试评估了湍流场的质量，并表明这种训练方法在计算资源开销的小部分情况下，生成了具有物理一致性的湍流场。

    Feb, 2019

  • 快速双头卷积自编码器用于压缩 3D 时间投影室数据

    高能大型粒子对撞机以每秒 1TB 的速度产生数据，开发实时数据压缩算法以适应永久存储引起了广泛关注。本研究引入了两种 BCAE 变体：BCAE++ 和 BCAE-2D，BCAE++ 具有 15% 的更好压缩比和 77% 的更好重建精度，BCAE-2D 则在压缩吞吐量上提升了 3 倍的速度。

    Oct, 2023

  • 基于图卷积自编码器的参数化 PDE 模型降维

    提出了一种基于图卷积自编码器（GCA - ROM）的非线性模型降阶框架，利用图神经网络（GNNs）对无结构网格上的非参数 PDE 解进行编码降维，实现对物理和几何参数化设置下具有快速 / 缓慢衰减的线性 / 非线性和标量 / 矢量问题的快速评估和高度通用的数据驱动非线性降阶方法。

    May, 2023

  • Lat-Net: 使用深度神经网络压缩晶格玻尔兹曼流模拟

    通过使用深度神经网络和卷积自动编码器，本研究提出了一种名为 Lat-Net 的压缩 Lattice Boltzmann 流动模拟的方法，可以大大减少计算时间和内存使用，并且可以推广到大型网格大小和复杂几何形状。

    May, 2017