实体
Spalart–Allmaras turbulence model
Spalart–Allmaras turbulence model
PulseAugur coverage of Spalart–Allmaras turbulence model — every cluster mentioning Spalart–Allmaras turbulence model across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
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PyTorch接口支持可微偏微分方程求解器用于机器学习
研究人员开发了一个新的端到端PyTorch接口,用于可微偏微分方程(PDE)求解器,从而可以将物理信息约束集成到机器学习框架中。该方法通过将PDE重新构建为可微层,实现了PDE模型中参数的优化,例如流体动力学中的湍流模型。该方法已在复杂的流体动力学问题上得到验证,包括可压缩流的雷诺平均纳维-斯托克斯方程,展示了其在各种物理约束、数据驱动问题上的灵活性。
-
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。