PulseAugur
中
实时 04:05:58
English(EN) Neptuna: A Comprehensive Machine Learning Framework for Benchmarking Complex Multiphase Flows

Neptuna框架利用大型数据集对复杂多相流进行基准测试

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了Neptuna，一个新颖的机器学习框架，旨在对复杂多相流进行基准测试，这在气泡溃灭和液滴破碎等应用中至关重要。该框架包含一个2.4 TB的高保真2D和3D数据的庞大数据集。使用标准和复合损失函数评估了包括Transformer和预训练PDE基础模型在内的各种模型家族，其中SoftAdapt在界面保持和光谱保真度方面显示出持续的改进。 AI

影响 引入了一个新的基准和数据集，用于评估机器学习模型在复杂流体动力学上的表现，可能推动AI在物理模拟中的应用。

排序理由 该条目描述了一篇介绍机器学习框架和数据集以对复杂多相流进行基准测试的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Neptuna框架利用大型数据集对复杂多相流进行基准测试

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Harish Ramachandran, Bj\"orn Kimpel, Thomas Paula, Josef Winter, Steffen Schmidt, Nikolaus Adams ·

    Neptuna：用于基准测试复杂多相流的综合机器学习框架

    arXiv:2607.22280v2 Announce Type: replace-cross Abstract: Compressible multiphase flows involving shocks and material interfaces arise in applications such as bubble collapse and droplet breakup, where strong nonlinear interactions produce complex interface deformation, mixing, a…

相关实体

相关话题