論文の概要: WeirNet: A Large-Scale 3D CFD Benchmark for Geometric Surrogate Modeling of Piano Key Weirs

• arxiv url: http://arxiv.org/abs/2602.20714v1
• Date: Tue, 24 Feb 2026 09:19:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 17:34:53.692989
• Title: WeirNet: A Large-Scale 3D CFD Benchmark for Geometric Surrogate Modeling of Piano Key Weirs
• Title（参考訳）: WeirNet: ピアノキーワイアの幾何学的サロゲートモデリングのための大規模3次元CFDベンチマーク
• Authors: Lisa Lüddecke, Michael Hohmann, Sebastian Eilermann, Jan Tillmann-Mumm, Pezhman Pourabdollah, Mario Oertel, Oliver Niggemann,
• Abstract要約: WeirNetは、PKWの幾何学的代理モデリングのための大規模な3次元CFDベンチマークデータセットである。 ワイアネットは3,794のパラメトリック、実現可能性に制約された長方形および台形PKW測地を含んでいる。 パラメトリックディスクリプタ上の木ベースの回帰器は、最高の全体的な精度を達成する一方、ポイントベースのモデルとメッシュベースのモデルは競争力を持ち、パラメータ化に依存しない推論を提供する。
• 参考スコア（独自算出の注目度）: 0.4837272320474764
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Reliable prediction of hydraulic performance is challenging for Piano Key Weir (PKW) design because discharge capacity depends on three-dimensional geometry and operating conditions. Surrogate models can accelerate hydraulic-structure design, but progress is limited by scarce large, well-documented datasets that jointly capture geometric variation, operating conditions, and functional performance. This study presents WeirNet, a large 3D CFD benchmark dataset for geometric surrogate modeling of PKWs. WeirNet contains 3,794 parametric, feasibility-constrained rectangular and trapezoidal PKW geometries, each scheduled at 19 discharge conditions using a consistent free-surface OpenFOAM workflow, resulting in 71,387 completed simulations that form the benchmark and with complete discharge coefficient labels. The dataset is released as multiple modalities compact parametric descriptors, watertight surface meshes and high-resolution point clouds together with standardized tasks and in-distribution and out-of-distribution splits. Representative surrogate families are benchmarked for discharge coefficient prediction. Tree-based regressors on parametric descriptors achieve the best overall accuracy, while point- and mesh-based models remain competitive and offer parameterization-agnostic inference. All surrogates evaluate in milliseconds per sample, providing orders-of-magnitude speedups over CFD runtimes. Out-of-distribution results identify geometry shift as the dominant failure mode compared to unseen discharge values, and data-efficiency experiments show diminishing returns beyond roughly 60% of the training data. By publicly releasing the dataset together with simulation setups and evaluation pipelines, WeirNet establishes a reproducible framework for data-driven hydraulic modeling and enables faster exploration of PKW designs during the early stages of hydraulic planning.
• Abstract（参考訳）: ピアノキーワイア(PKW)設計における油圧性能の信頼性の予測は, 放電容量が3次元形状と運転条件に依存するため困難である。 サロゲートモデルは油圧構造設計を加速することができるが、幾何的変動、操作条件、機能性能を共同でキャプチャする大きな文書化されたデータセットが不足しているため、進展は制限される。 本研究では,PKWの幾何代理モデリングのための大規模3次元CFDベンチマークデータセットWeirNetを提案する。 ワイアネットは3,794個のパラメトリック、実現可能性に制約された矩形および台形PKWジオメトリを含み、それぞれが一貫した自由表面のOpenFOAMワークフローを使用して19個の放電条件でスケジュールされ、その結果、ベンチマークと完全な放電係数ラベルを形成する71,387個のシミュレーションが完了した。 データセットは、複数のモジュラリティコンパクトパラメトリックディスクリプタ、水密な表面メッシュ、高解像度の点雲としてリリースされ、標準化されたタスクや分布内および分布外分割と共に提供される。 代表代理族は放電係数予測のためにベンチマークされる。 パラメトリックディスクリプタ上の木ベースの回帰器は、最高の全体的な精度を達成する一方、ポイントベースのモデルとメッシュベースのモデルは競争力を持ち、パラメータ化に依存しない推論を提供する。 すべてのサロゲートはサンプル毎にミリ秒単位で評価され、CFDランタイム上でのオーダー・オブ・マグニチュード・スピードアップを提供する。 アウト・オブ・ディストリビューション(Out-of-distribution)の結果は、未確認放電値と比較して幾何シフトが支配的な故障モードであると同定し、データ効率試験により、トレーニングデータの約60%を超えるリターンが減少することを示した。 データセットとシミュレーションのセットアップと評価パイプラインを合わせて公開することにより、WeirNetはデータ駆動型油圧モデリングのための再現可能なフレームワークを確立し、水圧計画の初期段階におけるPKW設計の迅速な探索を可能にする。

関連論文リスト

• Depth Completion as Parameter-Efficient Test-Time Adaptation [66.72360181325877]
  CAPAはパラメータ効率のよいテスト時間最適化フレームワークであり、深度補完のために事前訓練された3D基礎モデル(FM)を適用する。 ビデオの場合、CAPAはシーケンスレベルのパラメータ共有を導入し、時間的相関を利用して、堅牢性を改善し、複数フレームの一貫性を強制するために、すべてのフレームを共同で適用する。
  論文  参考訳（メタデータ） (2026-02-16T13:53:23Z)
• BladeSDF : Unconditional and Conditional Generative Modeling of Representative Blade Geometries Using Signed Distance Functions [4.188806282965805]
  本稿では,DeepSDFを用いたタービン翼形状のドメイン固有の暗黙的生成フレームワークを提案する。 制約、目的、パフォーマンスのメトリクスを統合することで、このアプローチは従来の2Dガイド付きまたは制約なしの3Dパイプラインを超えて前進する。
  論文  参考訳（メタデータ） (2026-01-19T23:02:33Z)
• URDF-Anything: Constructing Articulated Objects with 3D Multimodal Language Model [76.08429266631823]
  3次元マルチモーダル大言語モデル(MLLM)に基づくエンドツーエンドの自動再構築フレームワークを提案する。 URDF-Anythingは、ポイントクラウドとテキストマルチモーダル入力に基づく自己回帰予測フレームワークを使用して、幾何学的セグメンテーションと運動論的パラメータ予測を協調的に最適化する。 シミュレーションと実世界の両方のデータセットの実験は、我々の手法が既存の手法よりも大幅に優れていることを示した。
  論文  参考訳（メタデータ） (2025-11-02T13:45:51Z)
• Geometric Operator Learning with Optimal Transport [77.16909146519227]
  複素測地上での偏微分方程式(PDE)に対する演算子学習に最適輸送(OT)を統合することを提案する。 表面に焦点を当てた3次元シミュレーションでは、OTベースのニューラルオペレーターが表面形状を2次元パラメータ化潜在空間に埋め込む。 ShapeNet-Car と DrivAerNet-Car を用いたレイノルズ平均化 Navier-Stokes 方程式 (RANS) を用いた実験により,提案手法は精度の向上と計算コストの削減を図った。
  論文  参考訳（メタデータ） (2025-07-26T21:28:25Z)
• FLEX: A Backbone for Diffusion-Based Modeling of Spatio-temporal Physical Systems [51.15230303652732]
  FLEX (F Low Expert) は、時間物理系の生成モデリングのためのバックボーンアーキテクチャである。 拡散モデルにおける速度場の分散を低減し、トレーニングの安定化に役立つ。 少数の特徴を2つの逆拡散ステップとして用いて、超解像および予測タスクの正確な予測を行う。
  論文  参考訳（メタデータ） (2025-05-23T00:07:59Z)
• 3D Neural Operator-Based Flow Surrogates around 3D geometries: Signed Distance Functions and Derivative Constraints [3.100300350494905]
  高忠実度3次元流れシミュレーションの計算コストは依然として大きな課題である。 我々は、符号付き距離関数(SDF)を介して幾何学情報を組み込んだ変種であるDeepONet(DeepONet)とGeometric-DeepONet(Geometric-DeepONet)を評価する。 その結果,Geometric-DeepONetは標準のDeepONetに比べて境界層精度を最大32%向上することがわかった。
  論文  参考訳（メタデータ） (2025-03-21T16:40:48Z)
• TripNet: Learning Large-scale High-fidelity 3D Car Aerodynamics with Triplane Networks [27.577307360710545]
  TripNetは3次元の幾何学を固定次元のコンパクトで連続的な特徴マップに暗黙的にエンコードする三面体ベースのニューラルネットワークフレームワークである。 TripNetはDriivAerNetとDriivAerNet++データセットで最先端のパフォーマンスを実現し、ドラッグ係数、表面圧力、フル3Dフローフィールドを正確に予測する。
  論文  参考訳（メタデータ） (2025-03-19T17:30:57Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• 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)
• PointSAGE: Mesh-independent superresolution approach to fluid flow predictions [0.0]
  高分解能CFDシミュレーションは流体挙動や流れパターンに関する貴重な洞察を提供する。 解像度が大きくなると、計算データ要求と時間の増加が比例する。 複雑な流体の流れを学習し,シミュレーションを直接予測するメッシュ非依存のネットワークであるPointSAGEを提案する。
  論文  参考訳（メタデータ） (2024-04-06T12:49:09Z)

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。