computational fluid dynamics | BriefGPT

关键词computational fluid dynamics

搜索结果 - 49

向规模化迈进：深度学习中多元回归的化学损失权重调整
通过简单而有效的损失权重调整方法，提高了人工神经网络在学习多组分质量分数时的准确性，并且带来了更平衡的网络训练梯度。
PDFa year ago
利用 CFD 和贝叶斯优化寻找大型燃气发动机预紧室的最佳设计
利用计算流体力学仿真技术对大型燃气发动机预燃室设计进行高效的贝叶斯优化，以实现稀薄燃烧条件下的稳定燃烧，提高低排放高效率。
PDFa year ago
自然液压减震器特性的研究：一种基于图像的方法来研究人体半月板组织内的流体流动行为
研究 meniscus 内的液流行为及其结构影响的方法，将计算流体力学与图像分析相结合，通过高分辨率的三维微型 CT 扫描，在一定范围的入口速度下分析人类 meniscus 内部结构的液流。
PDFa year ago
氩气驱动熔融池动力的物理信息机器学习
通过集成神经网络和物理规律，提供了一种物理信息机器学习（PIML）方法来预测金属添加制造中的熔池动力学，避免了求解高度非线性的 Navier-Stokes 方程，显著降低了计算成本。
PDFa year ago
Voxel2Hemodynamics：一种端到端的深度学习方法，用于预测冠状动脉血液动力学
本文提出了一种基于深度学习的框架，利用计算机辅助技术快速准确地进行冠状动脉血液动力学分析，通过迭代学习算法可以用 CCTA 图像预测冠状动脉的血液动力学分布，并与计算流体动力学分析结果相吻合，为冠状动脉疾病发展的机制揭示提供新思路。
PDFa year ago
利用自编码器和生成对抗网络的协同框架合成气动学中翼型气动力学计算流体力学结果
本研究将自动编码器和生成对抗网络相结合，以生成计算流体动力学结果。研究结果表明该方法具有潜在能力，可降低空气动力学预测的时间和成本，为计算流体动力学中的计算技术的进一步提高和改进提供可能性。
PDFa year ago
通过本地机器学习校正来改善 CFD 模拟
本研究使用机器学习模型逆向预测了网格加粗导致的信息丢失程度，并将该信息加回到低分辨率模拟中以提高模拟质量，并演示了此方法在加速模拟过程中不会牺牲解的精度，从而使 CFD 的代价 / 精度权衡更有利。
PDFa year ago
基于量子物理的神经网络用于复杂形状的计算流体力学模拟
我们提出了一种使用混合的量子物理信息神经网络的方法，模拟了三维 Y 形混合器中的层流流体，该方法结合了量子模型的表达力和 PINN 的灵活性，与纯经典神经网络相比，精度提高了 21％。
PDFa year ago
ICLR学习增强可扩展代理以用于网格物理学的科学计算算法
本文讲解了如何通过域分解方案将 MeshGraphNets（MGN）应用于具有百万节点的 3D 网格，进而生成计算流体力学（CFD）模拟结果，并通过高阶数值积分技术提高 MGN 的准确性和训练时间，为其在实际应用中的大规模使用提供了有效的路
PDFa year ago
使用 CFD 搜索普适的水下车体最小阻力
运用基于人工智能的优化算法和计算流体动力学模拟技术，以最小化抗阻力为目标，研究了一种优化船体设计，旨在探索一种具有通用性的设计，在所有操作条件和环境条件下都提供最小的阻力或接近最佳设计。早期结果表明，在低速度和低湍流条件下找到的最优设计在高
PDFa year ago
左心耳血栓形成风险评估的几何深度学习
本研究通过开发深度学习 (DL) 框架，仅根据患者的特定左心房附属物（LAA）几何形状来预测与血栓形成风险相关的内皮细胞活化潜力（ECAP）分布，建立在几何 DL 的最新进展基础上，该模型在综合合成和 54 个真实的 LAA 数据集上进行训
PDF2 years ago
ICML加速解高马赫欧拉方程的神经基础函数
采用神经基函数的方法，以基于 POD 降阶的神经网络为基础，结合参数支持的分支网络，针对高速流动条件下的稳态欧拉方程进行求解，得到了更快的收敛速度，并提供了算法训练和实现的经验教训。
PDF2 years ago
物理信息神经网络在流体仿真中的经验报告：陷阱与挫折
本文介绍了用 PINN（受物理启发的神经网络）作为传统求解器替代品解决 Navier-Stokes 方程的实验，并使用 2D 的 Taylor-Green 涡旋和圆柱流问题作为实验数据。结果表明，尽管 PINN 方法在 Taylor-Gre
PDF2 years ago
AAAI揭密 CFD 模拟机器学习代理的数据需求
通过机器学习建立替代模型来加速计算流体力学模拟，使用温度预测在车舱内的分布作为案例，并探讨预测性能与训练数据集规模的关系，结果显示可以在大大减少训练数据集的情况下保证高精度和稳定性。
PDF2 years ago
机器学习在计算流体力学中的应用
机器学习在科学计算中已经成为核心技术，能够用于加速直接数值模拟，提高湍流封闭建模，并发展优化的降阶模型，在计算流体力学等领域有着广泛的应用和潜在影响，但也需要考虑一些潜在限制和问题。
PDF3 years ago
通过自由形变学习进行基于图像的计算模拟的全心网格生成
通过深度学习重建心脏组织模型可以用于计算心脏病理生理学，从而指导诊断和个性化治疗，该模型可以高效地用于计算流体力学模拟。
PDF3 years ago
ICLR提高城市气象污染预测的对抗自编码器和对抗 LSTM
本文利用深度学习中的对抗训练方法，尤其是 PCA-based 对抗自编码器和 LSTM 网络的方法，提高了城市空气污染 CFD 模拟的预报精度。
PDF3 years ago
机器学习加速计算流体力学
采用端到端深度学习方法，提高了计算流体动力学中建模二维湍流流动的逼近精度，在直接数值模拟和大涡模拟中实现 8-10 倍于基线求解器的空间精度，具有 40-80 倍的计算速度加速，并保持稳定性，可适用于不同强度和涡量值的流量。
PDF3 years ago
深度 M&M 网络用于高超声速应用：通过神经网络逼近算子预测正常激波背后的耦合流动和有限速化学
使用深度学习技术中的 DeepONet 神经网络表征化学反应的非平衡状态，并提出一种快速计算较为复杂的多物理和多尺度问题的方法，即采用少量的状态变量的稀疏测量数据快速集成到深度学习算法中进行计算。
PDF4 years ago
基于点云的深度学习框架在不规则几何形态流动场预测中的应用
本文提出了一种新颖的基于 PointNet 架构的深度学习框架，用于在几何形状无规则的区域中进行流场预测，该方法实现了在边界平滑性和小尺度几何变化检测方面的优化，并且能够比传统 CFD 解算器快数百倍且保持较高的准确度。
PDF4 years ago