論文の概要: HiLiftAeroML: High-Fidelity Computational Fluid Dynamics Dataset for High-Lift Aircraft Aerodynamics

• arxiv url: http://arxiv.org/abs/2605.19565v1
• Date: Tue, 19 May 2026 09:12:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.222419
• Title: HiLiftAeroML: High-Fidelity Computational Fluid Dynamics Dataset for High-Lift Aircraft Aerodynamics
• Title（参考訳）: HiLiftAeroML:高速空力用高速数値流体力学データセット
• Authors: Neil Ashton, Adam Clark, Liam Heidt, Christopher Ivey, Sanjeeb Bose, Rahul Agrawal, Konrad Goc, Rishi Ranade, Corey Adams, Peter Sharpe, Sheel Nidhan, Semit Akkurt, Daniel Leibovici, Jean Kossaifi,
• Abstract要約: 本稿では,高揚力航空機の初となるオープンソース高忠実CFDデータセットについて述べる。 このデータセットは180の幾何学的変種と10の攻撃角度から生じる1800のサンプルで構成されている。 このデータセットの新たな特徴の1つは、各シミュレーションにGPUアクセラレーションされた高忠実性明示的壁モデルLESアプローチを使用することである。
• 参考スコア（独自算出の注目度）: 3.2861825917838883
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper describes the first-ever open-source high-fidelity CFD dataset of a high-lift aircraft for the purpose of AI surrogate model development. The dataset is composed of 1800 samples, arising from 180 geometry variants and 10 angles of attack for the high-lift NASA Common Research Model (CRM) geometry, used within the AIAA High-Lift Prediction Workshop series. One of the novelties of this dataset is the use of a GPU-accelerated high-fidelity explicit, wall-modeled LES approach for each simulation, using solution-adapted grids between 300M and 500M cells. This ensures the greatest possible accuracy given known challenges in steady-state RANS approaches for these portions of the flight envelope. The entire dataset (geometries, time-averaged volume and surface variables and integral forces) are available, free of charge with a permissive open-source license (CC-BY-4.0). By making this data publicly available, we aim to accelerate the research and development of AI surrogate modeling within the aerospace industry.
• Abstract（参考訳）: 本稿では,AIサロゲートモデル開発を目的とした,オープンソースの高速CFDデータセットについて述べる。 このデータセットは、AIAA High-Lift Prediction Workshopシリーズで使用されるNASA Common Research Model(CRM)の180の幾何学的変種と10の角度から生まれた1800のサンプルで構成されている。 このデータセットの新たな特徴の1つは、GPUによって加速された高忠実で、壁モデルによるLESアプローチを各シミュレーションに使用し、300Mから5億のセル間のソリューション適応グリッドを使用することである。 これにより、飛行エンベロープのこれらの部分に対する安定状態RANSアプローチの既知の課題を考えると、可能な限りの精度が保証される。 データセット全体(ジオメトリ、平均体積、表面変数、積分力)は、パーミッシブなオープンソースライセンス(CC-BY-4.0)で無償で利用可能である。 このデータを公開することにより、航空宇宙業界におけるAIサロゲートモデリングの研究と開発を加速することを目指している。

関連論文リスト

• ASCENT: Transformer-Based Aircraft Trajectory Prediction in Non-Towered Terminal Airspace [54.94692733670454]
  ASCENTは、マルチモーダル3D航空機の軌道予測のための軽量トランスフォーマーベースのモデルである。 ドメイン対応の3D座標正規化とパラメータ化予測を統合している。
  論文  参考訳（メタデータ） (2026-03-17T14:16:10Z)
• Visual Autoregressive Modelling for Monocular Depth Estimation [69.01449528371916]
  本稿では,視覚的自己回帰(VAR)に基づく単眼深度推定手法を提案する。 提案手法は,大規模テキスト・画像VARモデルに適応し,スケールワイド・コンディショナル・アップサンプリング機構を導入する。 本研究では,屋内ベンチマークにおける制約付きトレーニング条件下での最先端性能と,屋外データセットに適用した場合の強い性能について報告する。
  論文  参考訳（メタデータ） (2025-12-27T17:08:03Z)
• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• 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)
• DrivAerML: High-Fidelity Computational Fluid Dynamics Dataset for Road-Car External Aerodynamics [0.0]
  このデータセットは、自動車空気力学のための高忠実なオープンソース(CC-BY-SA)パブリックデータセットである。 広く使用されているDrivAerノッチバックの500のパラメトリックな形状の派生型に基づいている。 高忠実度CFDを使用した複雑な自動車構成のための、最初の大規模なパブリックドメインデータセットである。
  論文  参考訳（メタデータ） (2024-08-21T19:47:41Z)
• WindsorML: High-Fidelity Computational Fluid Dynamics Dataset For Automotive Aerodynamics [1.7258674811482855]
  本稿では,Windsorボディの355の幾何学的変種を含む機械学習(ML)のための,オープンソースの新しい高忠実度データセットを提案する。 著者らにとってこれは、許容オープンソースライセンス(CC-BY-SA)を持つWindsorボディのための、最初の大規模高忠実CFDデータセットである。
  論文  参考訳（メタデータ） (2024-07-27T18:33:10Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)

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。