要約
従来、翼などの空力形状の設計には大量の計算リソースが必要で、事前定義された設計パラメータに依存していたため、新しい形状合成の可能性が制限されていました。
この研究では、拡散モデルを使用して翼を生成するためのデータ駆動型の方法論を紹介します。
既存の翼のデータセットでトレーニングされたモデルは、ランダムなベクトルから任意の数の新しい翼を生成できます。これは、揚力や抗力などの特定の空力性能指標、または幾何学的基準に基づいて条件付けできます。
私たちの結果は、拡散モデルが現実的な空力特性を備えた翼形形状を効果的に生成し、効率、柔軟性、革新的な翼形設計を発見する可能性が大幅に向上することを示しています。
このアプローチにより、設計スペースが大幅に拡大され、従来の方法の制限を超えた高性能の空力形状の合成が容易になります。
要約(オリジナル)
The design of aerodynamic shapes, such as airfoils, has traditionally required significant computational resources and relied on predefined design parameters, which limit the potential for novel shape synthesis. In this work, we introduce a data-driven methodology for airfoil generation using a diffusion model. Trained on a dataset of preexisting airfoils, our model can generate an arbitrary number of new airfoils from random vectors, which can be conditioned on specific aerodynamic performance metrics such as lift and drag, or geometric criteria. Our results demonstrate that the diffusion model effectively produces airfoil shapes with realistic aerodynamic properties, offering substantial improvements in efficiency, flexibility, and the potential for discovering innovative airfoil designs. This approach significantly expands the design space, facilitating the synthesis of high-performance aerodynamic shapes that transcend the limitations of traditional methods.
arxiv情報
著者 | Reid Graves,Amir Barati Farimani |
発行日 | 2024-12-18 16:29:07+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google