English(EN) AeroJEPA: Learning Semantic Latent Representations for Scalable 3D Aerodynamic Field Modeling

AeroJEPA学习语义潜在表示，实现可扩展的三维空气动力学建模

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-08 04:00

研究人员开发了AeroJEPA，一种新颖的联合嵌入预测架构，用于建模三维空气动力学场。该方法从几何和操作条件预测目标潜在表示，而不是直接预测完整的流场，从而提高了复杂三维空气动力学的可扩展性。学习到的潜在空间展示了语义组织，并支持各种分析和优化任务，为空气动力学代理建模指明了一个有前景的方向。 AI

影响引入了一种可扩展且具有语义意义的空气动力学代理建模新方法，可能对工程设计过程产生影响。

排序理由这是一篇详细介绍空气动力学场建模新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Francisco Giral, Abhijeet Vishwasrao, Andrea Arroyo Ramo, Mahmoud Golestanian, Federica Tonti, Adrian Lozano-Duran, Steven L. Brunton, Sergio Hoyas, Hector Gomez, Soledad Le Clainche, Ricardo Vinuesa · 2026-05-08 04:00

AeroJEPA: Learning Semantic Latent Representations for Scalable 3D Aerodynamic Field Modeling

arXiv:2605.05586v1 Announce Type: new Abstract: Aerodynamic surrogate models are increasingly used to replace repeated high-fidelity CFD evaluations in many-query design settings, but current approaches still face two important limitations: they often scale poorly to the very lar…

报道来源 [1]

AeroJEPA: Learning Semantic Latent Representations for Scalable 3D Aerodynamic Field Modeling

相关实体

相关话题