論文の概要: Generalization capabilities of conditional GAN for turbulent flow under
changes of geometry
- arxiv url: http://arxiv.org/abs/2302.09945v1
- Date: Mon, 20 Feb 2023 12:21:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 15:23:04.256024
- Title: Generalization capabilities of conditional GAN for turbulent flow under
changes of geometry
- Title（参考訳）: 幾何変化下における乱流に対する条件付きGANの一般化能力
- Authors: Claudia Drygala, Francesca di Mare, Hanno Gottschalk
- Abstract要約: 乱流の合成モデリングのためのGAN(Generative Adversarial Network)は、この問題を克服するための数学的に確立されたアプローチである。
本研究では,GANをベースとした合成乱流発生器の流動形状に幾何的変化が発生した場合の一般化キャパビライトについて検討する。
我々は,抽出したウェイク位置の領域を拡大することにより,条件付きGANの一般化の能力と限界を示す。
- 参考スコア（独自算出の注目度）: 0.6445605125467573
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Turbulent flow consists of structures with a wide range of spatial and
temporal scales which are hard to resolve numerically. Classical numerical
methods as the Large Eddy Simulation (LES) are able to capture fine details of
turbulent structures but come at high computational cost. Applying generative
adversarial networks (GAN) for the synthetic modeling of turbulence is a
mathematically well-founded approach to overcome this issue. In this work, we
investigate the generalization capabilites of GAN-based synthetic turbulence
generators when geometrical changes occur in the flow configuration (e.g.
aerodynamic geometric optimization of structures such as airfoils). As training
data, we use the flow around a low-pressure turbine (LPT) stator with periodic
wake impact obtained from highly resolved LES. To simulate the flow around a
LPT stator, we use the conditional deep convolutional GAN framework pix2pixHD
conditioned on the position of a rotating wake in front of the stator. For the
generalization experiments we exclude images of wake positions located at
certain regions from the training data and use the unseen data for testing. We
show the abilities and limits of generalization for the conditional GAN by
extending the regions of the extracted wake positions successively. Finally, we
evaluate the statistical properties of the synthesized flow field by comparison
with the corresponding LES results.
- Abstract（参考訳）: 乱流は、数値的に解決が難しい広範囲の空間的・時間的スケールの構造からなる。
大渦シミュレーション(LES)のような古典的な数値法は乱流構造の微細な詳細を捉えることができるが、計算コストが高い。
乱流の合成モデリングにGAN(Generative Adversarial Network)を適用することは、この問題を克服するための数学的に確立されたアプローチである。
本研究では,gan系合成乱流発生器の流動形態における幾何学的変化(例えば,翼などの構造物の空力幾何学的最適化)における一般化容量について検討する。
トレーニングデータとして,高分解能LESから得られる周期的な覚醒衝撃を有する低圧タービンステータ(LPT)まわりの流れを用いる。
LPTステータのまわりの流れをシミュレートするために、ステータの前における回転ウェイクの位置に条件付き深部畳み込みGANフレームワークpix2pixHDを用いる。
一般化実験では,特定の領域に位置するウェイク位置の画像をトレーニングデータから除外し,未発見のデータを用いてテストを行う。
本稿では,抽出したウェイク位置の領域を連続的に拡張することにより,条件付きGANの一般化能力と限界を示す。
最後に, 合成流れ場の統計的特性を, 対応するLES結果と比較して評価した。
関連論文リスト
- SeaDAG: Semi-autoregressive Diffusion for Conditional Directed Acyclic Graph Generation [83.52157311471693]
方向性非巡回グラフ(DAG)の条件生成のための半自己回帰拡散モデルSeaDAGを紹介する。
グローバルグラフ構造を欠いた従来の自己回帰生成とは異なり,本手法は拡散ステップ毎に完全なグラフ構造を保持する。
本研究では,現実的なDAGを生成する拡散モデルの能力を高めるために,条件損失を伴うグラフ条件学習を明示的に訓練する。
論文 参考訳（メタデータ） (2024-10-21T15:47:03Z) - Aero-Nef: Neural Fields for Rapid Aircraft Aerodynamics Simulations [1.1932047172700866]
本稿では,メッシュ領域上での定常流体力学シミュレーションの代理モデルを学習する手法を提案する。
提案したモデルは, 異なる流れ条件に対して非構造領域に直接適用することができる。
顕著なことに、RANS超音速翼データセット上の高忠実度解法よりも5桁高速な推論を行うことができる。
論文 参考訳（メタデータ） (2024-07-29T11:48:44Z) - Bayesian Conditional Diffusion Models for Versatile Spatiotemporal
Turbulence Generation [13.278744447861289]
本稿では,乱流発生の確率的拡散モデルに基づく新しい生成フレームワークを提案する。
提案手法の特長は, 自己回帰に基づく条件抽出に基づく長寿命流れ列生成法である。
数値解析実験により, フレームワークの多目的乱流発生能力を実証した。
論文 参考訳（メタデータ） (2023-11-14T04:08:14Z) - GAFlow: Incorporating Gaussian Attention into Optical Flow [62.646389181507764]
我々はガウス的注意(GA)を光学フローモデルに押し込み、表現学習中に局所特性をアクセントする。
本稿では,既存の Transformer ブロックに簡単に接続可能な新しい Gaussian-Constrained Layer (GCL) を提案する。
動作解析のための新しいガウス誘導注意モジュール(GGAM)を提供する。
論文 参考訳（メタデータ） (2023-09-28T07:46:01Z) - Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。
MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。
本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
論文 参考訳（メタデータ） (2022-06-29T22:19:03Z) - Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。
一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
論文 参考訳（メタデータ） (2022-02-23T06:11:49Z) - Generative Modeling of Turbulence [0.7646713951724012]
GAN(Generative Adversarial Network)を用いた乱流の合成モデリングのための数学的に確立されたアプローチを提案する。
GANは、適度なトレーニング日量に基づいて、技術的に困難な流れ問題の乱流をシミュレーションするのに効率的である。
論文 参考訳（メタデータ） (2021-12-05T11:39:14Z) - Learning the structure of wind: A data-driven nonlocal turbulence model
for the atmospheric boundary layer [0.0]
我々は,大気境界層をモデル化するための新しいデータ駆動手法を開発した。
このアプローチは、非局所的、異方性合成乱流モデルに導かれ、我々は、ディープ・ラピッド・ラピッド・歪み(DRD)モデルと呼ぶ。
論文 参考訳（メタデータ） (2021-07-23T06:41:33Z) - Data-driven Aerodynamic Analysis of Structures using Gaussian Processes [0.0]
本稿では,橋梁に作用する非線形自励力のデータ駆動モデルを提案する。
このフレームワークは、CFD(Computational Fluid Dynamics)データに基づいて、合理化およびブラフブリッジデッキに適用される。
提案フレームワークのさらなる応用は,細線状構造物の設計とオンラインリアルタイム監視に期待できる。
論文 参考訳（メタデータ） (2021-03-20T11:22:24Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - Conditioning Trick for Training Stable GANs [70.15099665710336]
本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。
我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
論文 参考訳（メタデータ） (2020-10-12T16:50:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。