論文の概要: Ground-Wing: A Parametric 3D Wing-in-Ground-Effect Dataset for Benchmarking Neural Surrogate Models

• arxiv url: http://arxiv.org/abs/2611.04571v1
• Date: Tue, 03 Nov 2026 09:33:07 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:59:25.836382
• Title: Ground-Wing: A Parametric 3D Wing-in-Ground-Effect Dataset for Benchmarking Neural Surrogate Models
• Title（参考訳）: グラウンドウィング:ニューラルサロゲートモデルのベンチマークのためのパラメトリック3次元ウィングインラウンドエフェクトデータセット
• Abstract要約: 本稿では,高パラメトリズド3次元翼を地上で動作させるCFDデータセットを提案する。 このデータセットは、27の翼プロファイルの変種と地上から4つの距離にまたがる194のユニークな翼構成の770のRANSシミュレーションで構成されている。
• 参考スコア（独自算出の注目度）: 0.5015672138211212
• License:
• Abstract: This paper presents a CFD dataset of a highly parametrized 3D wing operating in ground effect, designed for benchmarking neural surrogate models for aerodynamic prediction, using a wing shape and flow conditions typically encountered in motorsport applications. The dataset comprises 770 RANS simulations of 194 unique wing configurations, sampled across 27 airfoil profile variants and 4 distances from the ground, spanning variations in wing sweep, chord, taper, angle of attack, and tip twist. Six neural network architectures representing distinct paradigms --- convolutional (DoMINO), graph-based (X-MeshGraphNet), transformer-based (AB-UPT, GeoTransolver, GAOT), and JEPA-based (AeroJEPA) --- are evaluated on their ability to predict surface pressure coefficient and wall shear stress distributions, from which integral drag and lift coefficients are recovered. The dataset is intended to be used as a challenging benchmark for surrogate CFD models, due to the uniqueness of the ground effect being absent from other wing and airfoil datasets.
• Abstract（参考訳）: 本稿では,高度にパラメトリケートされた3次元翼を地上で動作させるCFDデータセットについて,主にモータースポーツで発生する翼形状と流れ条件を用いて,空気力学的予測のためのニューラルネットワークモデルのベンチマークを行う。 このデータセットは、27の翼プロファイルの変種と地上から4つの距離にまたがる194のユニークな翼構成の770のRANSシミュレーションで構成され、翼の掃除、コード、テーパー、攻撃角度、先端ねじれのバリエーションにまたがっている。 6つのニューラルネットワークアーキテクチャ -- 畳み込み(DoMINO)、グラフベース(X-MeshGraphNet)、トランスフォーマーベース(AB-UPT、GeoTransolver、GAOT)、JEPAベース(AeroJEPA) -- が、表面圧力係数と壁せん断応力分布を予測する能力に基づいて評価され、そこから積分抵抗とリフト係数が回復される。 このデータセットは、他の翼や翼のデータセットが欠如していることから、CFDモデルのサロゲートのための挑戦的なベンチマークとして使用されることを意図している。

関連論文リスト

• High-Fidelity Aerostructural Dataset of Transonic Wings in Cruise Conditions [0.0]
  本稿では,超音速翼の静的空気構造解析のための高忠実度データセットを提案する。 データセットの有用性は、最先端のMLモデルをトレーニングして、空気力学的表面量を予測することで実証される。 多様な超音速翼に対して空気力学と構造応答を結合させることにより、このデータセットは翼設計のための多物理MLモデルの開発、評価、比較のためのベンチマークを確立する。
  論文  参考訳（メタデータ） (2026-10-27T00:44:47Z)
• Earth System Foundation Model (ESFM): A unified framework for heterogeneous data integration and forecasting [52.53742727060265]
  地球系の基礎モデル(FM)は、大量のデータセットにわたる物理変数間の統計的関係を学習する。 本稿では,アース・システム・ファンデーション・モデル(ESFM)について紹介する。 本研究では,高密度グリッドデータ (ERA5, CMIP6) , 地域密集データ, 疎グリッドMODIS衛星データ, 局データを用いた。 結果は、最先端のベンチマークと比較して、競争力や優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-04-20T11:40:39Z)
• 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)
• SuperWing: a comprehensive transonic wing dataset for data-driven aerodynamic design [19.941629337887484]
  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。
  論文  参考訳（メタデータ） (2025-12-16T13:35:45Z)
• 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)
• 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)
• FuncGenFoil: Airfoil Generation and Editing Model in Function Space [63.274584650021744]
  本稿では,FuncGenFoilについて紹介する。FuncGenFoilは,翼形状を関数曲線として直接再構成する関数空間生成モデルである。 実証的な評価は、FuncGenFoilが翼生成における最先端の手法を改善することを示している。
  論文  参考訳（メタデータ） (2025-02-15T07:56:58Z)
• 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)

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。