MPF-BENCH

MPF-BENCH数据集是由爱荷华州立大学研究人员创建的大型数据集，包含11000个模拟，涵盖100万个时间快照，使用验证良好的Lattice Boltzmann方法框架生成。该数据集记录了多种密度比、粘度比、雷诺数和Bond数的两相流动现象，包括波纹模式、气泡和液滴动力学及破裂过程。该数据集为科学机器学习在多相流问题中的应用提供了丰富的训练和评估资源。MPF-BENCH dataset was developed by researchers from Iowa State University. It is a large-scale dataset consisting of 11,000 simulations spanning 1 million temporal snapshots, generated using a well-validated Lattice Boltzmann method framework. This dataset documents two-phase flow phenomena across varying density ratios, viscosity ratios, Reynolds numbers, and Bond numbers, including ripple patterns, bubble and droplet dynamics, and breakup processes. It provides a rich training and evaluation resource for scientific machine learning applications targeting multiphase flow problems.

搜集汇总

数据集介绍

构建方式

MPF-BENCH数据集的构建基于对多相流动力学的研究，特别是对液滴和气泡的动态过程。该数据集通过11,000次模拟，生成了超过1百万个时间快照，这些模拟采用了经过验证的格子玻尔兹曼方法（LBM）框架。研究者使用序列到序列的时间序列连接技术，对多个神经算子和基础模型进行了测试，以评估它们学习多尺度物理数据的能力。

特点

MPF-BENCH数据集的特点包括其庞大的数据量，其中包含了11,000个2D和3D模拟，以及超过1百万个时间序列快照。此外，该数据集涵盖了多种现象，从气泡振荡中的微小表面变形到受表面张力和密度比变化驱动的完整气泡破裂。数据集的丰富性和广泛性为研究多相流的复杂动态提供了深刻的见解。

使用方法

使用MPF-BENCH数据集的方法包括对多个神经算子和基础模型进行训练和评估。研究者使用序列到序列和序列到场映射，将不同时间步长的解场连接起来，并依次输入到模型中。通过这种方法，可以训练模型以更准确地预测气泡动力学的轨迹。此外，数据集还提供了多种参数设置，以帮助用户选择适合模型训练和评估的案例。

背景与挑战

背景概述

MPF-BENCH 数据集是一个大规模的科学机器学习（SciML）数据集，专注于多相流中的液滴和气泡动力学。该数据集由爱荷华州立大学的研究人员于 2025 年创建，并发表于 ICLR 2025 会议论文。MPF-BENCH 数据集的核心研究问题是模拟多相流中的液滴和气泡动力学，以解决工业应用中多相流模拟的挑战。该数据集的创建为相关领域的研究提供了重要资源，推动了科学机器学习在多相流模拟中的应用，并促进了相关领域的发展。

当前挑战

MPF-BENCH 数据集面临的挑战主要包括：1) 所解决的领域问题：多相流中的液滴和气泡动力学模拟具有高度的非线性和复杂性，包括不稳定性、波模式、气泡破裂等现象。2) 构建过程中所遇到的挑战：MPF-BENCH 数据集包含了 11,000 个模拟和超过 1 百万个时间序列快照，涉及多种物理现象，包括液滴和气泡的变形、破裂等。这些现象的模拟需要高保真度的模型和大量的计算资源，因此构建过程中需要克服计算成本高、数据量大的挑战。

常用场景

经典使用场景

MPF-BENCH数据集在科学机器学习（SciML）领域具有广泛的应用前景。该数据集通过序列到序列的时间序列拼接技术，对多种神经算子和基础模型进行了评估，旨在测试这些模型学习多尺度物理数据的能力。这一应用场景为研究人员提供了评估和比较不同SciML模型性能的平台，有助于推动SciML在多相流动力学研究中的应用。

解决学术问题

MPF-BENCH数据集解决了多相流体动力学模拟中的计算效率问题。多相流体动力学，如滴落液滴和上升气泡，对于许多工业应用至关重要。然而，由于不稳定、波模式和气泡破裂的复杂性，高效模拟这些现象具有挑战性。MPF-BENCH数据集通过提供大量模拟数据，为训练SciML模型提供了丰富的数据资源，从而提高了模拟的准确性和计算效率，为解决多相流体动力学模拟中的计算效率问题提供了新的思路。

衍生相关工作

MPF-BENCH数据集的发布为相关领域的研究工作提供了新的数据资源，并衍生了许多经典工作。例如，该数据集被用于评估和比较不同SciML模型在多相流体动力学模拟中的性能，推动了SciML在多相流动力学研究中的应用。此外，MPF-BENCH数据集也为研究多相流体动力学中的界面变形、气泡破裂等现象提供了新的数据资源，有助于深入理解多相流体动力学中的复杂现象。