PulseAugur
实时 12:21:59
English(EN) Full-field prediction for engineering-scale three-dimensional aircraft with multigrid-hierarchical learning

多网格分层学习加速飞机流动模拟

研究人员开发了一种新的多网格分层学习框架MHLF,用于加速大型三维飞机设计的计算流体动力学(CFD)模拟。该方法结合了几何多网格表示和分层策略,以有效捕捉流动异质性。MHLF在不牺牲精度的前提下,在不同马赫数下模拟效率提高了3到8倍,为高保真飞机流动模拟的数据驱动加速铺平了道路。 AI

影响 加速复杂的工程模拟,可能缩短航空航天应用的设计周期。

排序理由 详细介绍新计算方法的学术论文。[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 →

多网格分层学习加速飞机流动模拟

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yunfei Liu, Hao Wang, Yuhang Qi, Hao Yue, Dehong Meng, Wei Li, Rui Wang, Tiejun Li, Jie Liu, Junwu Hong, Xinhai Chen ·

    Full-field prediction for engineering-scale three-dimensional aircraft with multigrid-hierarchical learning

    arXiv:2605.30375v1 Announce Type: cross Abstract: High-fidelity computational fluid dynamics is essential for aerospace design, but engineering-scale simulations of practical three-dimensional aircraft remain computationally expensive. Learning-based flow-field initialization can…