CFDBench: A Comprehensive Benchmark for Machine Learning Methods in Fluid Dynamics

深度学习 水准点(测量) 计算流体力学 计算机科学 流体力学 层流 一般化 偏微分方程 人工智能 流量(数学) 人工神经网络 边值问题 流体力学 应用数学 数学 机械 物理 数学分析 几何学 地质学 大地测量学
作者
Yining Luo,Yingfa Chen,Zhen Zhang
标识
DOI:10.20944/preprints202309.1550.v1
摘要

In recent years, applying deep learning to solve physics problems has attracted much attention. Data-driven deep learning methods produce operators that can learn solutions to the whole system of partial differential equations. However, the existing methods are only evaluated on simple flow equations (e.g., Burger's equation), and only consider the generalization ability on different initial conditions. In this paper, we construct CFDBench, a benchmark with four classic problems in computational fluid dynamics (CFD): lid-driven cavity flow, laminar boundary layer flow in circular tubes, dam flows through the steps, and periodic Karman vortex street. Each flow problem includes data with various boundary conditions, fluid physical properties, and domain geometries. Compared to existing datasets, the advantages of CFDBench are (1) comprehensive. It contains common physical parameters such as velocity, pressure, and cavity fraction. (2) realistic. It is very suitable for deep learning solutions of fluid mechanics equations. (3) challenging. It has a certain learning difficulty, prompting to find models with strong learning ability. (4) standardized. CFDBench facilitates a comprehensive and fair comparison of different deep learning methods for CFD. We make appropriate modifications to popular deep neural networks to apply them to CFDBench and enable the accommodation of more changing inputs. The evaluation on CFDBench reveals some new shortcomings of existing works and we propose possible directions for solving such problems.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
甜蜜的指甲油完成签到,获得积分10
刚刚
bkagyin应助邮一颗树莓采纳,获得10
2秒前
健壮延恶完成签到 ,获得积分10
3秒前
晓晓雪发布了新的文献求助10
3秒前
5秒前
CDI和LIB完成签到,获得积分10
5秒前
奋斗的杰完成签到,获得积分10
5秒前
鲜艳的皮皮虾完成签到 ,获得积分10
6秒前
淳于安筠完成签到,获得积分10
8秒前
sanch完成签到,获得积分10
8秒前
Youth发布了新的文献求助10
8秒前
轩辕书白完成签到,获得积分10
9秒前
美少叔叔完成签到 ,获得积分10
9秒前
晓晓雪完成签到,获得积分10
10秒前
欢儿完成签到 ,获得积分10
10秒前
大傻春完成签到 ,获得积分10
10秒前
十七发布了新的文献求助10
11秒前
红叶完成签到,获得积分10
12秒前
xiaoxin发布了新的文献求助10
12秒前
yzxzdm完成签到 ,获得积分10
14秒前
xiaoxin完成签到,获得积分10
17秒前
bwbw完成签到 ,获得积分10
17秒前
24K纯帅完成签到,获得积分10
18秒前
t铁核桃1985完成签到 ,获得积分10
21秒前
22秒前
那英东完成签到 ,获得积分10
22秒前
一只橘子完成签到 ,获得积分10
23秒前
小小王完成签到 ,获得积分10
26秒前
涂涂完成签到 ,获得积分10
26秒前
芝诺的乌龟完成签到 ,获得积分0
26秒前
鲁滨逊完成签到 ,获得积分10
27秒前
28秒前
清凉茶完成签到,获得积分10
28秒前
草莓熊1215完成签到 ,获得积分10
29秒前
忧伤的八宝粥完成签到,获得积分10
30秒前
LRxxx完成签到 ,获得积分10
31秒前
yuan完成签到,获得积分10
33秒前
lz完成签到,获得积分10
33秒前
俭朴的乐巧完成签到 ,获得积分10
34秒前
淡然珍完成签到,获得积分10
34秒前
高分求助中
Continuum Thermodynamics and Material Modelling 3000
Production Logging: Theoretical and Interpretive Elements 2700
Les Mantodea de Guyane Insecta, Polyneoptera 1000
Conference Record, IAS Annual Meeting 1977 820
England and the Discovery of America, 1481-1620 600
Fault identification method of electrical automation distribution equipment in distribution networks based on neural network 560
Teaching language in context (Third edition) by Derewianka, Beverly; Jones, Pauline 550
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 量子力学 光电子学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3580504
求助须知:如何正确求助?哪些是违规求助? 3150008
关于积分的说明 9479690
捐赠科研通 2851531
什么是DOI,文献DOI怎么找? 1567864
邀请新用户注册赠送积分活动 734254
科研通“疑难数据库(出版商)”最低求助积分说明 720579