論文の概要: Airfoil2Vec: Spectral Geometry-Conditioned Neural Surrogate Models for Airfoil Aerodynamics and a Downforce-Generating CFD Dataset

• arxiv url: http://arxiv.org/abs/2609.38213v1
• Date: Fri, 25 Sep 2026 16:43:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.38953
• Title: Airfoil2Vec: Spectral Geometry-Conditioned Neural Surrogate Models for Airfoil Aerodynamics and a Downforce-Generating CFD Dataset
• Title（参考訳）: Airfoil2Vec: 航空機空力学のためのスペクトル幾何構成ニューラルサロゲートモデルとダウンフォース生成CFDデータセット
• Abstract要約: 本研究では,NACA4桁翼まわりの定常・非圧縮性2次元サブソニック流れの約10,000レイノルズ平均ナビエ・ストークス(RANS)シミュレーションについて紹介する。 本研究では,高速な流れ予測のための幾何条件付きサロゲートについて検討し,ニューラルネットワークとニューラルODE,グラフベースモデルを用いたニューラルODE,およびいくつかのスペクトル幾何条件付き手法について検討した。
• 参考スコア（独自算出の注目度）: 4.045302776858034
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a dataset of approximately 10,000 Reynolds-Averaged Navier-Stokes (RANS) simulations of steady, incompressible, two-dimensional subsonic flow around downforce-generating NACA 4-digit airfoils, targeting aerodynamic regimes relevant to automotive and motorsport applications (openly available on https://huggingface.co/datasets/ratiolabs/downforce-airfoils). Using this resource, we study geometry-conditioned neural surrogates for fast flow prediction, comparing neural fields with neural ODEs, MLPs with graph-based models, and several spectral geometry-conditioning methods. We further propose Airfoil2Vec, an airfoil-specific spectral geometry encoder that combines the joint contour spectrum with separate spectral representations of camber and thickness, for predicting continuous pressure and velocity fields. We evaluate generalization through angle-of-attack interpolation, interpolation and extrapolation to unseen NACA 4-digit geometries, and generalization to unseen non-NACA airfoils. The resulting surrogate accurately captures aerodynamic quantities and qualitative flow features while providing orders-of-magnitude speedups over conventional computational fluid dynamics.
• Abstract（参考訳）: 自動車やモータースポーツの用途に関連する空力的構造(https://huggingface.co/datasets/ratiolabs/downforce-airfoils)を対象とし、低力発生型NACA4桁翼まわりの安定・非圧縮性2次元亜音速流れの約10,000レイノルズ平均ナビエ・ストークス(RANS)シミュレーションのデータセットを導入する。 この資源を用いて, 高速な流れ予測のための幾何条件付きニューラルサロゲート, ニューラルネットワークとニューラルODE, MLPとグラフベースモデル, およびいくつかのスペクトル幾何条件付き手法について検討した。 さらに,コンタースペクトルとカムバーと厚みの異なるスペクトル表現を結合させて連続的な圧力と速度場を予測する,翼特異的なスペクトル幾何符号化器Airfoil2Vecを提案する。 攻撃角補間,補間,外挿によるNACA4桁測地への一般化,非NACA翼への一般化について検討した。 このサロゲートは空力量と定性的流れの特徴を正確に捉えつつ、従来の計算流体力学のオーダー・オブ・マグニチュード・スピードアップを提供する。

関連論文リスト

• Spatio-Temporal Prediction of Unsteady Airfoil Aerodynamics Using Augmented Graph Neural Ordinary Differential Equations with Exogenous Controls [0.0]
  本稿では,GNNと拡張ニューラル正規微分方程式を組み合わせることで,投球翼の表面力の時間的安定な予測が得られることを示す。 GNODEと呼ばれる我々の手法は、自己回帰GNNベースラインよりも時間的に安定し、空間的に滑らかで、全体としてより正確な結果をもたらすことがわかった。
  論文  参考訳（メタデータ） (2026-07-17T14:21:37Z)
• A Geometry-Aware Triplane Field Network for Vehicle Aerodynamic Prediction [7.1872832596556835]
  本研究は,車両の空気力学的圧力と壁せん断応力予測のための幾何学的三面体ネットワーク(GTF-Net)という,機械学習に基づく手法を提案する。 クエリ段階では、サンプリングされた三面体の特徴と車両の方向座標、正常射影特性、およびボクセルベースの曲率プロキシが組み合わされる。 GTF-Netは圧力予測において0.157から0.145、壁せん断応力予測において0.237から0.226までの相対L2誤差を改善する。
  論文  参考訳（メタデータ） (2026-06-05T16:25:09Z)
• Towards scalable surrogate models based on Neural Fields for large scale aerodynamic simulations [0.0]
  本稿では,ニューラルネットワークに基づく空力応用のための新しい代理モデリングフレームワークを提案する。 提案手法であるMARIOは、効率的な形状符号化機構によって非パラメトリックな幾何学的変動に対処する。 フル解像度の推論中に一貫した精度を維持しながら、大幅にダウンサンプルされたメッシュのトレーニングを可能にする。
  論文  参考訳（メタデータ） (2025-05-14T10:49:08Z)
• 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)
• Geometry-aware PINNs for Turbulent Flow Prediction [3.193631734016982]
  NACA4桁翼の乱流場を予測するパラメトリックPINNサロゲートモデルが新たに作成されている。 モデルは未確認のレイノルズ数で未知のNACA翼で検証されている。
  論文  参考訳（メタデータ） (2024-12-02T20:30:53Z)
• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• Geometry-Informed Neural Operator for Large-Scale 3D PDEs [76.06115572844882]
  大規模偏微分方程式の解演算子を学習するために,幾何インフォームド・ニューラル演算子(GINO)を提案する。 我々はGINOを訓練し、わずか500点のデータポイントで車両表面の圧力を予測することに成功した。
  論文  参考訳（メタデータ） (2023-09-01T16:59:21Z)
• 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)
• Airfoil's Aerodynamic Coefficients Prediction using Artificial Neural Network [0.0]
  右翼を見つけることは、あらゆる航空機の設計の予備段階における重要なステップである。 本研究では、異なるネットワークアーキテクチャとトレーニングデータセットを比較し、ネットワークが与えられた翼のジオメトリをどのように知覚するかについての洞察を得る。
  論文  参考訳（メタデータ） (2021-09-24T19:07:19Z)
• Autoencoder-driven Spiral Representation Learning for Gravitational Wave Surrogate Modelling [47.081318079190595]
  オートエンコーダを用いた経験的係数における基礎構造の存在について検討する。 ニューラルネットワークの第一層として使用される学習可能なパラメータを持つスパイラルモジュールを設計し,入力空間を係数にマッピングする方法を学習する。 スパイラルモジュールは複数のニューラルネットワークアーキテクチャ上で評価され、ベースラインモデルよりも一貫して速度-精度のトレードオフを実現している。
  論文  参考訳（メタデータ） (2021-07-09T09:03:08Z)

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。