OpenFOAM
PulseAugur coverage of OpenFOAM — every cluster mentioning OpenFOAM across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
CAE仿真代理需要领域知识，而非复杂的接口
一篇新论文探讨了由大型语言模型（LLMs）驱动的有效计算机辅助工程（CAE）仿真代理的要求。研究表明，目前已提供多轮推理和工具使用的通用接口足以胜任许多任务。相比之下，具有执行-反馈修复和来自求解器教程的领域知识的单代理接口，在FoamBench基准测试中优于专门的多代理系统。
-
PINN训练技术显示出复杂的交互作用，而非简单的累加
一项关于用于流体动力学模拟的物理信息神经网络（PINN）的新研究揭示了不同训练技术之间复杂的交互效应。虽然许多提出的方法单独使用时改进不大，但结合周期性激活和因果加权可以显著提高模拟纳维-斯托克斯方程涡街的精度。然而，增加更多技术可能导致性能下降，这表明并非所有干预都是互补的，更复杂的训练方法并非总是更优。
-
机器人与物理AI职业：应届生就业市场及技能建议
一位物理AI和机器人专业的大四学生正在寻求关于该领域入门级职位当前就业市场状况的建议。该学生拥有扎实的技术背景，包括NVIDIA Isaac Sim等模拟工具、SLAM和强化学习等感知与控制技术，以及自主无人机等硬件实践经验。他们特别关注了解来自印度的应届毕业生的全球招聘趋势，并确定在最后一年应重点关注哪些关键技能以提高就业竞争力。
-
基于LLM的多智能体系统自动化复杂CFD工作流
研究人员推出Foam-Agent，一个新颖的多智能体框架，旨在利用大型语言模型自动化计算流体动力学（CFD）工作流。该系统旨在通过从单一自然语言提示实现端到端自动化，从而降低CFD的入门门槛。Foam-Agent采用多索引检索方案以提高精度，依赖感知的文件生成以保持一致性，以及迭代审查循环以进行错误校正。该框架在FoamBench基准测试中，对基本CFD任务的成功率为88.2%，对更具挑战性的、分布外任务的成功率为62.5%，且无需专家干预。
-
新的机器学习优化技术解决了非凸问题和偏微分方程求解器
研究人员开发了优化机器学习算法的新方法，特别是在非凸优化和科学计算的背景下。一篇论文介绍了一种黑盒在线到非凸转换技术，该技术利用静态遗憾最小化预言机，解决了开放性问题，并为 AdaGrad 和 Shampoo 等自适应优化方法提供了新视角。另一项研究提出了 PCGBandit，一种用于瞬态偏微分方程求解器的一步加速方法，该方法使用 bandit 算法直接从模拟数据中自适应地学习求解器配置，并在使用 OpenFOAM 的流体和磁流体动力…
-
AI平衡车辆的空气动力学与视觉设计
研究人员开发了一种新颖的空气动力学逆向设计方法，可以在性能改进与视觉一致性之间取得平衡。该方法将空气动力学成本降低与学习到的视觉设计分布相结合，从而在优化过程中保留车辆或飞机的关键视觉特征。该系统在模拟中显示出显著的减阻效果，车辆减阻率提高了5.8%，飞机升阻比降低了28.8%，同时保持了视觉完整性。该方法还能够引导生成在视觉上一致且空气动力学效率高的新3D设计候选。
-
AI CFD Scientist 通过基于视觉的物理验证实现流体动力学发现自动化
研究人员开发了一个名为 AI CFD Scientist 的开源AI系统，旨在自动化计算流体动力学（CFD）领域的发现。该系统集成了文献回顾、使用 OpenFOAM 执行模拟，以及一个新颖的视觉-语言门，用于对结果进行基于物理的验证。它自主识别出对 Spalart-Allmaras 模型的一个修正，在特定测试案例中将准确性提高了 7.89%，优于其他缺乏此类领域特定验证的AI科学家基线。
-
AI加速的CFD模拟适配IPU平台展现性能提升
研究人员已将AI加速的计算流体动力学（CFD）模拟适配到Graphcore的智能处理单元（IPU）上运行。该研究专注于训练机器学习模型来预测模拟状态，利用定制的TensorFlow和针对IPU-POD16平台的Poplar SDK。通过使用popdist库，他们在数据馈送方面实现了高达34%的加速，并且从2个IPU扩展到16个IPU显著提高了吞吐量。