computational fluid dynamics | BriefGPT

关键词computational fluid dynamics

搜索结果 - 49

FLUID-LLM：具有时空感知的大型语言模型学习计算流体动力学
通过将预训练大型语言模型（LLM）与时空感知编码相结合，FLUID-LLM 能够更好地整合时空信息，提高计算流体动力学（CFD）任务的性能。
PDFa month ago
利用 OpenFOAM 嵌入式深度学习框架减少粗网格 CFD 模拟的空间离散误差
我们提出了一种方法来减小粗网格计算流体力学（CFD）问题的空间离散化误差，通过利用高质量数据喂给深度学习模型来提高低分辨率模拟的质量。我们用前馈神经网络替换了对流项的默认差分方案，将速度从单元格中心插值到面值，以产生与细网格数据近似的速度。
PDF2 months ago
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。
PDF2 months ago
CFD 应用数据降维的机器学习技术
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
PDF2 months ago
ICLRPointSAGE：网格无关的流体流动预测的超分辨率方法
利用 PointSAGE 这种不依赖网格信息的新型框架，融合了深度学习技术，能够准确预测复杂流体行为并直接生成精细模拟，相较于传统的 CFD 技术，在不同场景和数据集中表现出显著效果并大幅加速计算时间。
PDF3 months ago
Image2Flow：一种用于快速患者特定肺动脉分割和从 3D 心脏 MRI 数据计算 CFD 流场的混合图像和图卷积神经网络
本研究使用深度学习模型生成患者特异性体积网格和直接估计血流动力学数据，在简化博弈过程的同时，提供更高效的计算流体力学模拟和分割方法。
PDF4 months ago
利用深度学习修复计算流体力学数据
流体数据补全是一项具有潜在利益的研究问题，涉及实验流体力学和计算流体力学。我们通过利用计算机视觉的最新进展和矢量量化技术，通过一个两阶段的学习过程将完整和不完整的流体数据空间映射到离散值的低维表示，以解决流体数据补全问题的挑战。通过在不同遮
PDF4 months ago
将机器学习与计算流体动力学结合，采用 OpenFOAM 和 SmartSim
将机器学习与计算流体力学相结合，在大规模问题上实现 CFD+ML 算法的高效、可扩展解决方案，利用开源软件 OpenFOAM 和 SmartSim，通过 SmartSim 进行程序设计和 ML 与 CFD 客户端之间高度可扩展的数据交换，并
PDF4 months ago
COPD-FlowNet：利用 CFD 模拟提升无创慢阻肺诊断
COPDFlowNet 是一种新颖的深度学习框架，利用自定义生成对抗网络 (GAN) 生成特定于 COPD 患者气管的合成计算流体力学 (CFD) 速度流场图像，用于数据增强和模型训练，同时结合自定义的卷积神经网络 (CNN) 架构预测梗阻
PDF7 months ago
基于有限体积特征、全局几何表示和残差训练的深度学习 CFD 仿真
本研究拟定了两种新的几何表示方法：最短向量（SV）和方向综合距离（DID），并提出了有限体积特征（FVF）和剩余训练的使用，可以有效地降低当前基于图神经网络的方法的预测误差高达 41％。
PDF7 months ago
一种基于物理约束的神经 ODE 方法用于鲁棒学习刚性化学动力学
本研究扩展了神经 ODE 框架，通过在训练期间直接将质量守恒约束纳入损失函数，实现了对刚性化学动力学的建模，在与 CFD 求解器的下游集成中确保了总质量和元素质量的守恒，提高了物理一致性、稳定性和计算效率。
PDF7 months ago
基于数据驱动的 CFD 壁面建模的前向梯度
本文讨论了使用分离正向和反向传播过程的方法来训练亚网墙壁模型，以在壁面流动 CFD 模拟中减少计算代价，同时保持预测准确性。
PDF7 months ago
重新定义超分辨率：无需经典模拟的细网格偏微分方程预测
应用于计算流体力学（CFD）中的粗网格模拟因计算效率高而常常缺乏精确性，然而将传统的超分辨率应用于这些模拟面临着从高分辨率图像进行下采样和真实模拟低分辨率物理之间的本质差异。本研究提出了一种针对基于偏微分方程（PDE）问题量身定制的超分辨率
PDF8 months ago
利用图神经网络在非结构化网格中识别涡旋
使用基于图卷积神经网络（GCN）和 U-Net 架构的模型，在非结构网格上识别计算流体动力学（CFD）结果中的涡旋，并通过优化输入集、对比卷积神经网络模型以及评估 GCN 模型的性能来验证方法的适用性。
PDF8 months ago
利用神经网络提高流体力学仿真的伪时间步收敛性
使用伪瞬态延续方法和神经网络模型增强非线性收敛性能的计算流体力学研究。
PDF9 months ago
脉冲冲击射流传热控制的深度强化学习
这项研究旨在探讨强化学习在基于计算流体力学的热控制中的适用性。结果表明，基于深度 Q 网络的 DRL 方法在热控制中具有较高的效率和可行性，其中软化双重 DQN 方法在各种变体中表现最佳，可以在控制周期的 98％以上将温度保持在期望的阈值范
PDF9 months ago
CFDBench：流体力学中机器学习方法的综合基准
近年来，将深度学习应用于解决物理问题引起了广泛关注。本文构建了一个基准测试集 CFDBench，其中包含了计算流体动力学中的四个经典问题，并评估了现有方法在不同边界条件、流体物理性质和域几何形状下的泛化能力，用来促进找到具有强大学习能力的模
PDF10 months ago
基于动态图注意力的网格质量评估神经网络：MQENet
通过提出 MQENet 这种基于动态图注意力的结构化网格质量评估神经网络，可以更全面客观地评估工业应用中的结构化网格质量，从而提高流体模拟精度。
PDF10 months ago
基于图神经网络的增强式专家引导网格生成的一致性预测
该研究提出了一种基于图神经网络和专家指导的机器学习方案，用于自动生成飞机模型的计算流体动力学网格，通过引入一种新的三维分割算法、预测从三维网格到 CAD 表面的方法以及边缘统计保证和鲁棒的不确定性量化和处理，实现了避免精细度不足所导致的计算
PDFa year ago
用于实时模拟三维动态城市微气候的傅立叶神经算子
利用 Fourier 神经算子 (FNO) 网络以实时三维城市风场模拟，通过半拉格朗日方法和分数步进法模拟大规模城市问题中的城市微气候特征，数值实验显示 FNO 模型能够准确重构瞬时空间速度场，在不同风向的未见数据上也具有良好的泛化能力，更
PDFa year ago