論文の概要: SuperWing: a comprehensive transonic wing dataset for data-driven aerodynamic design

• arxiv url: http://arxiv.org/abs/2512.14397v1
• Date: Tue, 16 Dec 2025 13:35:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.727329
• Title: SuperWing: a comprehensive transonic wing dataset for data-driven aerodynamic design
• Title（参考訳）: SuperWing:データ駆動型空力設計のための包括的超音速翼データセット
• Authors: Yunjia Yang, Weishao Tang, Mengxin Liu, Nils Thuerey, Yufei Zhang, Haixin Chen,
• Abstract要約: 本稿では,超音速旋回翼空力の包括的オープンデータセットであるSuperWingを紹介する。 データセットの翼形状は、単純だが表現力のある幾何パラメータ化を用いて生成される。 データセットの有用性を示すために、表面の流れを正確に予測する2つの最先端トランスフォーマーをベンチマークする。
• 参考スコア（独自算出の注目度）: 19.941629337887484
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Machine-learning surrogate models have shown promise in accelerating aerodynamic design, yet progress toward generalizable predictors for three-dimensional wings has been limited by the scarcity and restricted diversity of existing datasets. Here, we present SuperWing, a comprehensive open dataset of transonic swept-wing aerodynamics comprising 4,239 parameterized wing geometries and 28,856 Reynolds-averaged Navier-Stokes flow field solutions. The wing shapes in the dataset are generated using a simplified yet expressive geometry parameterization that incorporates spanwise variations in airfoil shape, twist, and dihedral, allowing for an enhanced diversity without relying on perturbations of a baseline wing. All shapes are simulated under a broad range of Mach numbers and angles of attack covering the typical flight envelope. To demonstrate the dataset's utility, we benchmark two state-of-the-art Transformers that accurately predict surface flow and achieve a 2.5 drag-count error on held-out samples. Models pretrained on SuperWing further exhibit strong zero-shot generalization to complex benchmark wings such as DLR-F6 and NASA CRM, underscoring the dataset's diversity and potential for practical usage.
• Abstract（参考訳）: 機械学習サロゲートモデルは、空力設計を加速する可能性を示しているが、既存のデータセットの不足と制限された多様性によって、3次元翼の一般化可能な予測器への進歩が制限されている。 ここでは,4,239個のパラメータ化された翼と28,856個のレイノルズ平均Navier-Stokes流れ場を含む超音速流空力の包括的オープンデータセットであるSuperWingについて述べる。 データセットの翼の形状は、空気翼の形状、ねじれ、二面体の幅のばらつきを取り入れ、ベースラインの翼の摂動に頼らずに改良された多様性を実現する、シンプルだが表現力のある幾何学的パラメータ化を用いて生成される。 全ての形状は、マッハ数と典型的な飛行封筒を覆う攻撃角度の広い範囲でシミュレートされる。 このデータセットの有用性を示すために、我々は、表面流れを正確に予測し、保持されたサンプルに対して2.5のドラッグカウント誤差を達成できる2つの最先端トランスフォーマーをベンチマークした。 SuperWingで事前訓練されたモデルは、DLR-F6やNASA CRMのような複雑なベンチマーク翼に強力なゼロショットの一般化を示し、データセットの多様性と実用的な使用の可能性を強調している。

関連論文リスト

• BlendedNet++: A Large-Scale Blended Wing Body Aerodynamics Dataset and Benchmark [4.128170991070137]
  本稿では,BlendedNet++について紹介する。BlendedNet++は,BWB航空機を対象とする大規模空力データセットとベンチマークである。 データセットには12,000以上のユニークなジオメトリが含まれており、それぞれが単一の飛行条件でシミュレートされ、安定したRANS CFDに対して12,490の空気力学的結果が得られる。 このデータセットを用いて、フォワードサロゲートベンチマークを標準化し、6つのモデルファミリーのポイントワイドフィールドを予測する。 本研究では, 条件付き拡散モデルを用いて, 一定飛行条件下で, 所定のリフト・アンド・ドラグ比を達成するための逆設計課題を提案する。
  論文  参考訳（メタデータ） (2025-12-02T22:39:07Z)
• Going with the Speed of Sound: Pushing Neural Surrogates into Highly-turbulent Transonic Regimes [19.286954413935025]
  本稿では,超音速系における3次元翼のCFDシミュレーションのデータセットを提案する。 データセットは、ユニークな幾何学とインフロー条件を持つ約30,000ドルのサンプルのために、ボリュームと表面レベルのフィールドで構成されている。 我々はTransolverやAB-UPTなど,いくつかの最先端のニューラルネットワークをデータセット上で評価した。
  論文  参考訳（メタデータ） (2025-11-26T15:06:19Z)
• BlendedNet: A Blended Wing Body Aircraft Dataset and Surrogate Model for Aerodynamic Predictions [3.979560406015393]
  BlendedNetは、999の混合翼体(BWB)ジオメトリーで公開されている空力データセットである。 それぞれの幾何学は、およそ9つの飛行条件でシミュレートされ、スプラート・アルマラスモデルで8830の収束RANSと1ケースあたり9～1400万の細胞が生成される。
  論文  参考訳（メタデータ） (2025-09-08T20:43:14Z)
• MTGS: Multi-Traversal Gaussian Splatting [51.22657444433942]
  マルチトラバースデータは、道路ブロック内のシーン再構築のための複数の視点を提供する。 任意に収集したマルチトラバーサルデータから高品質な運転シーンを再構成する新しい手法であるマルチトラバーサル・ガウス・スプラッティング(MTGS)を提案する。 その結果、MTGSはLPIPSを23.5%改善し、幾何学的精度は46.3%向上した。
  論文  参考訳（メタデータ） (2025-03-16T15:46:12Z)
• CirT: Global Subseasonal-to-Seasonal Forecasting with Geometry-inspired Transformer [47.65152457550307]
  重力の循環特性をモデル化する幾何インスパイアされた循環変換器(CirT)を提案する。 地球再分析5(ERA5)再解析データセットの実験は、我々のモデルが先進的なデータ駆動モデルよりも大幅に改善することを示した。
  論文  参考訳（メタデータ） (2025-02-27T04:26:23Z)
• A Geometry-Aware Message Passing Neural Network for Modeling Aerodynamics over Airfoils [61.60175086194333]
  空気力学は航空宇宙工学の重要な問題であり、しばしば翼のような固体物と相互作用する流れを伴う。 本稿では, 固体物体上の非圧縮性流れのモデル化について考察する。 ジオメトリを効果的に組み込むため,メッシュ表現に翼形状を効率よく,かつ効率的に統合するメッセージパッシング方式を提案する。 これらの設計選択は、純粋にデータ駆動の機械学習フレームワークであるGeoMPNNにつながり、NeurIPS 2024 ML4CFDコンペティションで最優秀学生賞を受賞し、総合で4位となった。
  論文  参考訳（メタデータ） (2024-12-12T16:05:39Z)
• Rapid aerodynamic prediction of swept wings via physics-embedded transfer learning [10.191783697332227]
  機械学習モデルは、超音速旋回翼流場を迅速に取得する有望な方法を提供する。 モデルを効率的に学習するための物理組込み移動学習フレームワークを提案する。 データセットのサイズを減らすには、ウィングトレーニングサンプルの半分未満は、非トランスファーフレームワークと同じエラーレベルに達する必要がある。
  論文  参考訳（メタデータ） (2024-09-19T12:35:59Z)
• Automatic Parameterization for Aerodynamic Shape Optimization via Deep Geometric Learning [60.69217130006758]
  空力形状最適化のための形状パラメータ化を完全に自動化する2つの深層学習モデルを提案する。 どちらのモデルも、深い幾何学的学習を通じてパラメータ化し、人間の事前知識を学習された幾何学的パターンに埋め込むように最適化されている。 2次元翼の形状最適化実験を行い、2つのモデルに適用可能なシナリオについて論じる。
  論文  参考訳（メタデータ） (2023-05-03T13:45:40Z)
• VTAE: Variational Transformer Autoencoder with Manifolds Learning [144.0546653941249]
  深層生成モデルは、多くの潜伏変数を通して非線形データ分布の学習に成功している。 ジェネレータの非線形性は、潜在空間がデータ空間の不満足な射影を示し、表現学習が不十分になることを意味する。 本研究では、測地学と正確な計算により、深部生成モデルの性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-04-03T13:13:19Z)

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。