扩散模型重构高超声速流场

研究人员开发了一个新颖的框架，使用条件扩散模型从有限的顶壁观测数据中重构高超声速边界层。该方法将边界层划分为子域，并采用在多个马赫数下训练的扩散模型来预测流场。引入了专门的谱损失函数来提高生成场的保真度，特别是保留高波数内容。该模型在重构瞬时结构、谱和统计剖面方面表现出有效性，同时还提供不确定性估计。 AI

影响 这项研究展示了扩散模型在复杂科学模拟中的潜力，可能加速流体动力学领域的发现。

排序理由 该集群包含一篇科学论文，详细介绍了使用AI进行流体动力学重构的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Elucidating Diffusion Model
• Gotit.pub
• Hugging Face
• ScienceCast
• Trettel-Larsson transformation

• 论文
• 基础设施

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