論文の概要: AeroZoo: A Benchmark of Well-Posed Flow Problems for Foundation Models of Aerodynamics
- arxiv url: http://arxiv.org/abs/2611.17152v1
- Date: Thu, 12 Nov 2026 17:36:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.571722
- Title: AeroZoo: A Benchmark of Well-Posed Flow Problems for Foundation Models of Aerodynamics
- Title(参考訳): AeroZoo: エアロダイナミックスの基礎モデルのためのよく知られた流れ問題のベンチマーク
- Abstract要約: AeroZooは、遷移モデルを持つ非定常なナビエ-ストークス方程式に対する3,815の時間平均解のベンチマークとトレーニングコーパスである。
ランダムスプリットでは、境界条件トークンがGeoTransolverの中央速度誤差を76.9%から8.4%に削減した。
境界駆動型PDEの変換器であるISLAは、より微細なメッシュの約4倍の4つの種に対して5.3%に達する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neural surrogates for computational fluid dynamics (CFD) are trained and ranked on datasets that each vary one design family in one flow domain. Such datasets cannot test the least that an aerodynamic foundation model must do: predict CFD-quality incompressible flow in seconds for new shapes in new enclosures. On DrivAerML, larger models and longer training barely lower Transolver's error; doubling the training cases cuts it by about 12% up to 400 cases, exhausting the dataset. We introduce AeroZoo, a benchmark and training corpus of 3,815 time-mean solutions to the unsteady Reynolds-averaged Navier--Stokes (RANS) equations with a transition model, across seven geometry families, eight enclosure configurations and Reynolds numbers from $10^3$ to $10^8$. Each sample poses a well-posed PDE problem in the form a solver receives it: the boundary meshes grouped by condition type, the prescribed values and the fluid properties. The 2,816 samples with a stable time mean form the canonical benchmark: two tasks, engineering metrics and 22 frozen splits, disjoint in geometry, that hold out geometry families, enclosures, boundary-condition layouts and Reynolds ranges. On the random split, boundary-condition tokens cut GeoTransolver's median velocity error from 76.9% to 8.4% of the inlet speed in single-seed runs (uniform inlet flow: 11.0%). ISLA, a transformer for boundary-driven PDEs, reaches 5.3% over four seeds, about 4 times the change from a finer mesh. On the same test samples, a held-out geometry family barely changes ISLA's error relative to uniform flow, and a held-out enclosure or boundary-condition layout raises it 2.4 to 9.2 times. The data and the scoring code will be released.
- Abstract(参考訳): 計算流体力学(CFD)のためのニューラルサロゲートをトレーニングし、1つのフロー領域における1つのデザインファミリが異なるデータセットにランク付けする。
このようなデータセットは、空力基盤モデルが行わなければならない最小限のテストはできない: 新しい囲いの新たな形状のために、CFD品質の圧縮不能な流れを数秒で予測する。
DrivAerMLでは、より大きなモデルと長いトレーニングにより、Transolverのエラーはわずかに減少する。
遷移モデルを持つ非定常レイノルズ平均Navier-Stokes(RANS)方程式に対する3,815の時間平均解のベンチマークとトレーニングコーパスであるAeroZooを、7つの幾何学系、8つの囲い構成、レイノルズ数10^3$から10^8$で導入する。
それぞれのサンプルは、条件タイプ、所定の値、および流体特性によってグループ化された境界メッシュという、解法がそれを受け取る形で、よく考えられたPDE問題を示す。
安定した時間を持つ2,816のサンプルは、2つのタスク、エンジニアリングメトリクスと22の凍結した分割、幾何学的な不整合、幾何学的なファミリ、囲い、境界条件のレイアウト、レイノルズレンジといった標準ベンチマークを形作る。
ランダムスプリットでは、境界条件トークンがGeoTransolverの中央速度誤差を76.9%から8.4%に削減した(一様入口流量:11.0%)。
境界駆動型PDEの変換器であるISLAは、より微細なメッシュの約4倍の4つの種に対して5.3%に達する。
同じ試験サンプルでは、保持された幾何学系が均一な流れに対してISLAの誤差をほとんど変更せず、保持された囲いや境界条件のレイアウトは2.4から9.2倍に上昇する。
データとスコアのコードはリリースされます。
関連論文リスト
- Neural Operator Splitting for Fluid Dynamics in Complex Geometry [68.17331685296394]
本研究では流体力学を学習するフレームワークであるNeural Operator Splittingを提案する。
モノリシックに全ステップの進化を学ぶ代わりに、各ステップを物理的に解釈可能なステップに分解します。
本モデルでは,1つのフルステップニューラル演算子と比較して,平均相対的なL2$ロールアウト誤差を2Dで68%,3Dで40%削減することを示した。
論文 参考訳(メタデータ) (2026-10-20T05:37:17Z) - On the Design of Qwen3.8-Next Architecture: Evaluation, Efficiency, and Training Stability [57.03393882933515]
Qwen3.8-Flash-Nextは125Bパラメータ、トークンあたり6Bアクティベートされ、加速器から保持されるn-gram埋め込みテーブルの51Bパラメータを持つスパースミックス・オブ・エキスパートモデルである。
トレーニング前の14のベンチマークでは、このモデルは前モデルの397B-A17Bを8点、残りを少なくとも2.6ポイント、アクティベートされたパラメータが1/3、トレーニングトークンが1/3、トレーニング用FLOPが1/9であった。
論文 参考訳(メタデータ) (2026-08-31T06:35:07Z) - Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。
State-of-the-art merging method formulate merging as a layer-wise interference problem。
本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
論文 参考訳(メタデータ) (2026-06-05T14:00:47Z) - HydroAgent: Closing the Gap Between Frontier LLMs and Human Experts in Hydrologic Model Calibration via Simulator-Grounded RL [6.680830184790049]
分散水理モデルの校正は、運用水資源管理における重要なボトルネックである。
我々は、フロンティア大言語モデル(LLM)エージェントが人間の水理モデルに取って代わることができ、そうでなければ何が必要かと尋ねる。
我々は,アメリカ国立気象局がフラッシュフロード予測のために使用しているCREST分散水理モデル上で,9つのフロンティアLSMエージェントをベンチマークした。
論文 参考訳(メタデータ) (2026-05-18T03:17:38Z) - Entropy Across the Bridge: Conditional-Marginal Discretization for Flow and Schrödinger Samplers [68.9946633641494]
フローマッチングとシュルディンガーブリッジは確率を定義するが、その推論格子は通常一点拡散から受け継がれる。
終端条件付き橋梁形状を境界流の進化から分離し, 橋梁を識別する条件付きエントロピーレートを導出する。
EDM/CIFAR-10では、エントロピックな時間分散は5段階のFID(186.3 pm 4.0対200.5 pm 2.9対cosineの238.0 pm 5.3)が最適である。
論文 参考訳(メタデータ) (2026-05-15T16:11:10Z) - A Multi-fidelity Double-Delta Wing Dataset and Empirical Scaling Laws for GNN-based Aerodynamic Field Surrogate [0.10312968200748117]
本研究では,グラフニューラルネットワークを用いた代理モデルにおけるトレーニングデータサイズと予測精度の関係について検討した。
我々は、二重デルタ翼のためのオープンソースの多要素空力データセットをリリースする。
テストエラーは、データサイズに応じて−0.6122のパワーロー指数で減少し、効率的なデータ利用を示す。
論文 参考訳(メタデータ) (2025-12-24T04:53:11Z) - Joint Distillation for Fast Likelihood Evaluation and Sampling in Flow-based Models [100.28111930893188]
今日の最高の生成モデルの中には、単一の可能性を計算するために、数百から数千の神経機能評価を必要とするものもあります。
本研究では, 高速流動継手蒸留法 (F2D2) を提案し, サンプリングに必要なNFEの数を2桁に減らした。
F2D2はモジュール構造であり、既存のフローベースの数ステップサンプリングモデルと互換性がある。
論文 参考訳(メタデータ) (2025-12-02T10:48:20Z) - Environment-Aware Indoor LoRaWAN Path Loss: Parametric Regression Comparisons, Shadow Fading, and Calibrated Fade Margins [3.776919981139063]
内部のLoRaWAN伝播は、構造的および時間的変化の文脈因子によって形成される。
リークセーフなクロスバリデーションを用いて評価した,環境に配慮した統計的に規律のある経路損失フレームワークを提案する。
論文 参考訳(メタデータ) (2025-10-05T20:14:48Z) - Factorized Implicit Global Convolution for Automotive Computational Fluid Dynamics Prediction [52.32698071488864]
非常に大きな3DメッシュのCFD問題を効率的に解く新しいアーキテクチャであるFactized Implicit Global Convolution (FIGConv)を提案する。
FIGConvは、既存の3DニューラルCFDモデルよりも大幅に改善された2次複雑性の$O(N2)$を達成する。
業界標準のAhmedボディデータセットと大規模DrivAerNetデータセットに対するアプローチを検証する。
論文 参考訳(メタデータ) (2025-02-06T18:57:57Z) - FlowBench: A Large Scale Benchmark for Flow Simulation over Complex
Geometries [19.15738125919099]
FlowBenchは10K以上のサンプルを持つニューラルシミュレータ用のデータセットである。
FlowBenchは、複雑な幾何学、結合フロー現象、およびニューラルPDEソルバの性能に関するデータ十分性の間の相互作用を評価することができる。
論文 参考訳(メタデータ) (2024-09-26T16:38:48Z) - 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)
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。