AhmedML: High-Fidelity Computational Fluid Dynamics Dataset for Incompressible, Low-Speed Bluff Body Aerodynamics

要約

数値流体力学 (CFD) 用の機械学習 (ML) 手法の開発は、現在、オープンに利用可能なトレーニング データの不足により制限されています。
この論文では、アーメド車体の 500 の幾何学的バリエーションの高忠実度のスケール分解 CFD シミュレーションで構成される新しいオープンソース データセットを紹介します。アーメド車体は、例えば断崖絶壁の車体に存在する流れトポロジーの多くを示す単純化された自動車のような形状です。
道路車両。
データセットには、幾何学形状や圧力誘起流れ剥離、3D 渦構造などの基本的な流れ物理学の広範なセットを示すシミュレーション結果が含まれています。
アーメド車体の各バリエーションは、オープンソース CFD コード OpenFOAM を使用した、高忠実度で時間精度の高い、ハイブリッド レイノルズ平均ナビエ ストークス (RANS) – ラージエディ シミュレーション (LES) 乱流モデリング アプローチを使用して実行されました。
データセットには、広く使用されているオープンソース形式の境界、体積、ジオメトリ、時間平均された力/モーメントが含まれています。
さらに、他の人がデータセットを再現または拡張できるように、OpenFOAM ケースのセットアップが提供されています。
これは、著者の知る限り、広く使用されているアーメド車体用の高忠実度 CFD 手法を使用した、寛容なライセンス (CC-BY-SA) で自由にダウンロードできる初のオープンソースの大規模データセットです。

要約(オリジナル)

The development of Machine Learning (ML) methods for Computational Fluid Dynamics (CFD) is currently limited by the lack of openly available training data. This paper presents a new open-source dataset comprising of high fidelity, scale-resolving CFD simulations of 500 geometric variations of the Ahmed Car Body – a simplified car-like shape that exhibits many of the flow topologies that are present on bluff bodies such as road vehicles. The dataset contains simulation results that exhibit a broad set of fundamental flow physics such as geometry and pressure-induced flow separation as well as 3D vortical structures. Each variation of the Ahmed car body were run using a high-fidelity, time-accurate, hybrid Reynolds-Averaged Navier-Stokes (RANS) – Large-Eddy Simulation (LES) turbulence modelling approach using the open-source CFD code OpenFOAM. The dataset contains boundary, volume, geometry, and time-averaged forces/moments in widely used open-source formats. In addition, the OpenFOAM case setup is provided so that others can reproduce or extend the dataset. This represents to the authors knowledge, the first open-source large-scale dataset using high-fidelity CFD methods for the widely used Ahmed car body that is available to freely download with a permissive license (CC-BY-SA).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google