English(EN) A Geometry-Aware Triplane Field Network for Vehicle Aerodynamic Prediction

新的GTF-Net模型以更高的精度预测车辆气动性能

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-09 04:00

研究人员开发了一种名为GTF-Net的新机器学习模型，用于预测车辆气动性能。该模型采用新颖的三平面特征表示，并结合显式的几何线索，以提高压力和壁面剪切应力预测的准确性。GTF-Net的性能优于Transolver和GINO等现有方法，证明了其整合谱混合与卷积精炼的混合方法的有效性。 AI

影响与传统的CFD方法相比，该模型能够提供更快、更准确的气动预测，从而可能加速车辆的早期设计。

排序理由该集群包含一篇详细介绍新机器学习模型及其性能评估的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

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) · Kangkang Qi, Huiyu Yang, Keqi Ding, Yunpeng Wang, Yuntian Chen, Yuanwei Bin, Rikui Zhang, Jianchun Wang · 2026-06-09 04:00

面向车辆空气动力学预测的几何感知三平面场网络

arXiv:2606.07724v1 Announce Type: new Abstract: High-fidelity computational fluid dynamics (CFD) is crucial to vehicle aerodynamic analysis, but its cost still constrains early-stage design exploration. Machine-learning-based surface-field prediction offers a faster alternative i…