Wi-Re/SFBC_dataset_iv

该数据集包含用于论文《Symmetric basis convolutions for learning lagrangian fluid mechanics》（发表于ICLR 2024）的第一个测试案例（1D可压缩SPH）的数据。数据集以hdf5文件格式存储，每个实验一个文件，文件中包含配置参数和模拟的每一帧数据。2D测试案例有预定义的训练/测试分割，而1D和3D案例则没有。此外，README还提供了一个Jupyter笔记本示例，用于加载和可视化数据集，并运行简单的训练。

This dataset contains the data for the first test case (1D compressible SPH) for the paper Symmetric basis convolutions for learning lagrangian fluid mechanics (Published at ICLR 2024). The datasets are stored as hdf5 files with a single file per experiment. Within each file there is a set of configuration parameters and each frame of the simulation stored separately as a group. For the 2D test cases there is a pre-defined test/train split on a simulation level, wheras the 1D and 3D cases do not contain such a split. Additionally, the README provides a Jupyter notebook example for loading and visualizing the dataset, as well as running a simple training.

原始信息汇总

数据集概述

数据集名称

Symmetric basis convolutions for learning lagrangian fluid mechanics (Published at ICLR 2024) - Test Case I

数据集描述

该数据集包含论文“Symmetric basis convolutions for learning lagrangian fluid mechanics”（发表于ICLR 2024）中的第一个测试案例（1D可压缩SPH）的数据。

相关测试案例

• Test Case I (compressible 1D)
• Test Case II (wcsph 2D)
• Test Case III (isph 2D)
• Test Case IV (3D)

文件布局

数据集以hdf5文件格式存储，每个实验对应一个文件。每个文件包含一组配置参数，并将每个模拟帧单独存储为一组。每个帧包含所有流体粒子的信息以及所有相关信息。对于2D测试案例，存在预定义的测试/训练分割，而1D和3D案例则没有这种分割。

演示

该仓库包含一个简单的Jupyter笔记本（Visualizer.ipynb），用于加载当前文件夹中的数据集并进行可视化，然后运行一个简单的训练以学习不同基函数的SPH求和密度。

最小工作示例

提供了一个完整但简单的示例，展示了如何加载数据集、构建网络（基于SFBC框架）并执行单个网络步骤。该示例依赖于SFBC/BasisConvolution框架，可以通过pip安装（pip install BasisConvolution）。