FlowBench: A Large Scale Benchmark for Flow Simulation over Complex Geometries

要約

任意の形状の周囲の流体の流れをシミュレートすることは、さまざまな工学的問題を解決する鍵となります。
ただし、複雑なジオメトリにわたる流れ物理のシミュレーションは、特に従来の PDE ソルバーを使用する場合、依然として数値的に難しく、計算リソースを大量に消費します。
機械学習手法は、高速で適応性のある PDE ソルバーを作成する魅力的な機会を提供します。
しかし、そのような手法のパフォーマンスを測定するためのベンチマーク データセットは、特に複雑な形状にわたる流れ物理学では不足しています。
FlowBench は、10,000 サンプルを超えるニューラル シミュレーター用のデータセットです。これは、現在公開されているどの流れ物理データセットよりも大きいです。
FlowBench には、さまざまな流れ条件 (\textit{レイノルズ数とグラショフ数}) にわたる複雑な形状 (\textit{パラメトリック対ノンパラメトリック}) にわたる流れシミュレーション データが含まれており、多様な流れ現象 (\textit{
定常対過渡;強制対流対自由対流})、および 2D と 3D の両方。
FlowBench には 10,000 を超えるデータ サンプルが含まれており、各サンプルは、複雑な形状での輸送現象をモデル化するために設計された十分に検証されたシミュレーター フレームワークを使用した、完全に解決された直接数値シミュレーションの結果です。
各サンプルには、3 つの異なる解像度での速度、圧力、温度フィールド データと、工学関連のいくつかの要約統計機能 (揚力係数と抗力係数、ヌッセルト数など) が含まれています。
%さらに、各形状のマスクと符号付き距離フィールドも含めます。
私たちは、FlowBench によって、現在および将来のニューラル PDE ソルバーのパフォーマンスに関する、複雑な形状、結合された流れ現象、およびデータの十分性の間の相互作用を評価できるようになると考えています。
ニューラル PDE ソルバーのパフォーマンスをランク付けするために、いくつかの評価メトリクスを列挙します。
FNO、CNO、WNO、DeepONet など、いくつかのベースライン手法のパフォーマンスをベンチマークします。

要約(オリジナル)

Simulating fluid flow around arbitrary shapes is key to solving various engineering problems. However, simulating flow physics across complex geometries remains numerically challenging and computationally resource-intensive, particularly when using conventional PDE solvers. Machine learning methods offer attractive opportunities to create fast and adaptable PDE solvers. However, benchmark datasets to measure the performance of such methods are scarce, especially for flow physics across complex geometries. We introduce FlowBench, a dataset for neural simulators with over 10K samples, which is currently larger than any publicly available flow physics dataset. FlowBench contains flow simulation data across complex geometries (\textit{parametric vs. non-parametric}), spanning a range of flow conditions (\textit{Reynolds number and Grashoff number}), capturing a diverse array of flow phenomena (\textit{steady vs. transient; forced vs. free convection}), and for both 2D and 3D. FlowBench contains over 10K data samples, with each sample the outcome of a fully resolved, direct numerical simulation using a well-validated simulator framework designed for modeling transport phenomena in complex geometries. For each sample, we include velocity, pressure, and temperature field data at 3 different resolutions and several summary statistics features of engineering relevance (such as coefficients of lift and drag, and Nusselt numbers). %Additionally, we include masks and signed distance fields for each shape. We envision that FlowBench will enable evaluating the interplay between complex geometry, coupled flow phenomena, and data sufficiency on the performance of current, and future, neural PDE solvers. We enumerate several evaluation metrics to help rank order the performance of neural PDE solvers. We benchmark the performance of several baseline methods including FNO, CNO, WNO, and DeepONet.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google