实体
DrivAerML
DrivAerML
PulseAugur coverage of DrivAerML — every cluster mentioning DrivAerML across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的SHIFT-Truck数据集旨在改善皮卡车的空气动力学性能
研究人员推出了SHIFT-Truck，这是一个新的数据集和基准测试，旨在提高皮卡车的空气动力学预测能力。该数据集包含一个参考皮卡车几何形状的1000次高保真计算流体动力学（CFD）模拟，涵盖了各种形状参数和运行条件。其目标是训练神经网络代理模型，使其能够比传统的CFD更有效地预测空气动力学特性，从而解决影响皮卡车燃油效率和排放的显著阻力问题。
-
新的Transformer技术提高了3D流预测的准确性
研究人员开发了新的技术，距离感知注意力（DA-CA）和壁面距离专家路由（SVMoE），以改进基于Transformer的3D流预测模型。这些方法将模型与与壁面相关的物理信号联系起来，允许不同流动区域的点独特地收集和处理信息。应用于现有的AB-UPT和Transolver-3等架构后，这些增强措施显著降低了压力和速度的预测误差，尤其是在近壁区域，并展示了对未见几何形状的泛化能力的提高。
-
RETO Transformer算子通过RoPE增强汽车空气动力学预测
研究人员推出了一种新颖的旋转增强Transformer算子RETO，旨在改进汽车空气动力学预测。该新模型采用双阶段空间感知机制，利用正弦-余弦编码和旋转位置编码（RoPE）来更好地捕捉复杂的空间相关性。RETO在ShapeNet和DrivAerML基准测试中均显著优于现有基线模型，在表面压力和速度预测方面取得了显著的准确性提升。