PoreML

PoreML框架统一了多孔介质流动的数据生成和模型训练

研究人员推出PoreML，这是一个开源框架，旨在推进机器学习在理解多孔介质中多相流方面的应用。该框架集成了使用GPU原生Lattice Boltzmann求解器进行数据生成，并拥有一个包含3.3 TB数据的庞大数据集，涵盖了560次模拟运行和超过158,000个时间步长，涉及各种场景。PoreML还提供了一个统一的学习组件，用于评估模型性能和物理一致性，旨在促进社区开发用于CO2储存和燃料电池运行等关键应用的可预测模型。