Wi-Re/SFBC_dataset_II

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，每个实验对应一个文件，文件中包含配置参数和每个模拟帧的信息。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。

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, whereas the 1D and 3D cases do not contain such a split.

原始信息汇总

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

数据集概述

• 名称: Symmetric basis convolutions for learning lagrangian fluid mechanics (Published at ICLR 2024) - Test Case I
• 描述: 该数据集包含论文“Symmetric basis convolutions for learning lagrangian fluid mechanics”中第一个测试案例（1D可压缩SPH）的数据。
• 相关论文: 论文可在arXiv上找到。
• 其他测试案例数据集:
  • Test Case I (compressible 1D)
  • Test Case II (wcsph 2D)
  • Test Case III (isph 2D)
  • Test Case IV (3D)

文件布局

• 存储格式: hdf5文件
• 文件结构: 每个实验存储为一个单独的文件，文件内包含一组配置参数和每个模拟帧的单独存储组。每个帧包含所有流体粒子的信息和所有相关信息。
• 数据分割: 2D测试案例包含预定义的测试/训练分割，而1D和3D案例不包含此类分割。

演示

• Jupyter Notebook: 包含一个简单的Jupyter Notebook (Visualizer.ipynb)，用于加载数据集并进行可视化，然后进行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

• 示例代码: 提供了一个完整的简单示例，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。
• 依赖框架: 依赖于SFBC/BasisConvolution框架，可通过pip install BasisConvolution安装。