Emmi-Wing

新的流态注意力网络提高了空气动力学预测的准确性

研究人员推出了一种新颖的深度学习模型——流态注意力网络（FSAN），旨在提高空气动力学预测的准确性和适用性。传统的计算流体动力学（CFD）方法计算成本高昂，限制了其在设计过程中的应用。FSAN通过分别编码几何和流动条件，并将几何体划分为不同的流动状态，来解决现有深度学习代理模型的局限性。这种方法可以更精确地交互几何和流动信息，从而在基准数据集上获得卓越的预测精度。