論文の概要: Geometry-Aware Anisotropic Boundary Correction for Aerodynamic Simulation
- arxiv url: http://arxiv.org/abs/2606.09963v1
- Date: Mon, 08 Jun 2026 14:45:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-10 15:40:58.097471
- Title: Geometry-Aware Anisotropic Boundary Correction for Aerodynamic Simulation
- Title（参考訳）: 空力シミュレーションのための幾何学的非等方性境界補正
- Authors: Xin Zhang, Yipeng Huang, Shu Jiang, Zhenzhong Wang, Min Jiang,
- Abstract要約: 幾何学条件付き異方性境界補正フレームワークGeoABCを提案する。
2D翼と3Dカータスクでは、GeoABCは一貫して複数の神経オペレーターのバックボーンに適応する。
- 参考スコア（独自算出の注目度）: 11.217432208075033
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Aerodynamic simulation is a key component of engineering shape design, where core quantities such as the surface pressure coefficient strongly depend on flow dynamics near solid boundaries. Neural operators provide an efficient alternative to expensive Computational Fluid Dynamics (CFD) solvers. However, conventional methods treat the boundary region isotropically, failing to account for the distinct physical behaviors along the boundaries. In reality, the aerodynamic process exhibits anisotropy: along the tangential direction, flow propagates along the wall; along the normal direction, physical quantities are constrained by the wall. To explicitly model the distinct physical behaviors, we propose GeoABC, a geometry-conditioned anisotropic boundary correction framework. GeoABC leverages the boundary geometries to introduce direction-aware boundary correction into the intermediate representations of neural operators, transforming boundary geometry from static input features into a structural prior that modulates physical prediction. On 2D airfoil and 3D car tasks, GeoABC consistently adapts to multiple neural operator backbones, reducing near-boundary relative $L_2$ error by $\sim$38\% on average, narrowing the structural near-wall gap shared by mainstream neural operators, and advancing neural operators toward high-fidelity aerodynamic simulation.
- Abstract（参考訳）: 空力シミュレーションは工学的な形状設計の鍵となる要素であり、表面圧力係数などのコア量は、固体境界付近の流動力学に強く依存する。
ニューラルネットワーク演算子は、高価な計算流体力学(CFD)の解法に代わる効率的な代替手段を提供する。
しかし、従来の方法では境界領域を等方的に扱うことができず、境界に沿って異なる物理的挙動を考慮できない。
実際には、空気力学的過程は異方性を示し、接する方向に沿って流れが壁に沿って伝播し、通常の方向に沿って物理的な量が壁によって拘束される。
異なる物理挙動を明示的にモデル化するために,幾何条件による異方性境界補正フレームワークGeoABCを提案する。
GeoABCは境界幾何学を利用して、方向対応境界補正をニューラルネットワークの中間表現に導入し、境界幾何学を静的な入力特徴から物理的予測を変調する構造的事前に変換する。
2D翼と3Dカータスクでは、GeoABCは一貫して複数のニューラルオペレーターのバックボーンに適応し、平均でほぼバウンダリの相対的な$L_2$エラーを$\sim$38\%削減し、主流のニューラルオペレータが共有する構造的近接壁ギャップを狭め、高忠実な空力シミュレーションに向けてニューラルオペレータを前進させる。
関連論文リスト
- Cellular Sheaf Neural Operators for Structure-Preserving Surrogate Modeling of Constrained PDEs [0.0]
構造保存型ニューラルPDEサロゲートのための離散化対応フレームワークを提案する。
拘束型多物理系における神経性PDEサロゲートの誘導バイアスとして, 細胞-せん断構造が有用であることを示す。
論文 参考訳（メタデータ） (2026-05-31T00:49:25Z) - GeoFunFlow-3D: A Physics-Guided Generative Flow Matching Framework for High-Fidelity 3D Aerodynamic Inference over Complex Geometries [5.068156424858535]
GeoFunFlow-3Dは物理誘導型生成フローマッチングフレームワークである。
我々は、勾配剛性を低減するために、自動微分(No-AD)のない高次離散エンジンを導入する。
NASA Rotor37のテストでは、3Dの分離された衝撃構造を正確に捉えた。
論文 参考訳（メタデータ） (2026-04-25T15:24:13Z) - Comparative Study of Bending Analysis using Physics-Informed Neural Networks and Numerical Dynamic Deflection in Perforated nanobeam [0.0]
関数接続の理論(TFC)は、支配的微分方程式制約を制約付き式(CE)に体系的に組み込む。
このフレームワーク内では、制約付き表現に現れる自由関数は、機能的リンクニューラルネットワーク(FLNN)を介して表現される。
単純支持型(Sbeam-S)穴あけ型ナノビームの静的欠陥と動的欠陥の関係について検討した。
論文 参考訳（メタデータ） (2026-04-15T06:13:00Z) - Geometry-Aware Physics-Informed PointNets for Modeling Flows Across Porous Structures [0.09332987715848712]
本研究では,多孔体内および周囲に発生する流れの予測問題に対処する。
物理インフォームド・ポイントネット(PIPN)と物理インフォームド・ジオメトリ・アウェア・ニューラル・オペレータ(P-IGANO)の2つのアプローチを用いる。
その結果、目視と目視の両方のケースにおいて、速度と圧力の誤差が一貫して低く、ウェイク構造を正確に再現できることがわかった。
全体として,本研究はPIPN/PI-GANOを多孔質流の同時流路として初めて体系的に評価し,幾何単位の再学習を伴わずに設計研究を加速させる可能性を示した。
論文 参考訳（メタデータ） (2026-02-15T11:52:23Z) - Riemannian Flow Matching for Disentangled Graph Domain Adaptation [51.98961391065951]
グラフドメイン適応(GDA)は典型的には、ユークリッド空間におけるグラフ埋め込みの整列に逆学習を使用する。
DisRFMは、埋め込みとフローベースのトランスポートを統一する幾何学的なGDAフレームワークである。
論文 参考訳（メタデータ） (2026-01-31T11:05:35Z) - GeoAda: Efficiently Finetune Geometric Diffusion Models with Equivariant Adapters [61.51810815162003]
制御された生成タスクに対してフレキシブルかつパラメータ効率の良い微調整を可能にするSE(3)-equivariant Adapter framework(GeoAda)を提案する。
GeoAdaは、過剰適合と破滅的な忘れを緩和しながら、モデルの幾何的一貫性を保っている。
我々は、フレーム制御、グローバル制御、サブグラフ制御、広範囲のアプリケーションドメインを含む多様な幾何学的制御タイプにまたがるGeoAdaの適用性を実証する。
論文 参考訳（メタデータ） (2025-07-02T18:44:03Z) - Geometric Trajectory Diffusion Models [58.853975433383326]
生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。
既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。
本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
論文 参考訳（メタデータ） (2024-10-16T20:36:41Z) - 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) - NeuralClothSim: Neural Deformation Fields Meet the Thin Shell Theory [70.10550467873499]
薄型シェルを用いた新しい擬似布シミュレータであるNeuralClothSimを提案する。
メモリ効率の高い解法はニューラル変形場と呼ばれる新しい連続座標に基づく表面表現を演算する。
論文 参考訳（メタデータ） (2023-08-24T17:59:54Z) - A Theory of Topological Derivatives for Inverse Rendering of Geometry [87.49881303178061]
我々は、位相微分を用いて離散的な位相変化を可能にする微分可能な曲面進化の理論的枠組みを導入する。
2次元の閉曲線と3次元の曲面を最適化して提案理論を検証し、現在の手法の限界について考察する。
論文 参考訳（メタデータ） (2023-08-19T00:55:55Z) - GeoMol: Torsional Geometric Generation of Molecular 3D Conformer
Ensembles [60.12186997181117]
分子グラフからの分子の3Dコンホメーラーアンサンブルの予測は、化学情報学と薬物発見の領域において重要な役割を担っている。
既存の生成モデルは、重要な分子幾何学的要素のモデリングの欠如を含むいくつかの欠点がある。
エンド・ツー・エンド、非自己回帰、SE(3)不変の機械学習手法であるGeoMolを提案し、3Dコンバータを生成する。
論文 参考訳（メタデータ） (2021-06-08T14:17:59Z)
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。